学术探索
学术期刊
新闻热点
数据分析
智能评审
立即登录
基于粒子群算法的最小二乘支持向量机参数优化——以都江堰灌区联合调度为例
被引:7
作者
:
论文数:
引用数:
h-index:
机构:
黄佳
论文数:
引用数:
h-index:
机构:
宁芊
机构
:
[1]
四川大学电子信息学院
来源
:
人民长江
|
2011年
/ 07期
关键词
:
最小二乘支持向量机;
粒子群算法;
单输入多输出;
决策逻辑;
联合调度模型;
都江堰灌区;
D O I
:
10.16232/j.cnki.1001-4179.2011.07.016
中图分类号
:
TP18 [人工智能理论];
学科分类号
:
081104 ;
0812 ;
0835 ;
1405 ;
摘要
:
针对都江堰内江缺少渠道的相关信息,无法建立准确水力学模型的问题,采用粒子群算法(PSO)优化最小二乘支持向量机(LS-SVM)参数的方法,确定流量与闸门开度之间单输入多输出的非线性关系,并以此为基础,利用决策原则及实际情况确定相应决策逻辑,建立都江堰内江联合调度模型。模型采用MATLAB和C#语言实现。分析结果表明,与其他算法相比,PSO优化LS-SVM具有一定的优越性,结果达到实际工程要求。
引用
收藏
页码:86 / 90
页数:5
相关论文
共 6 条
[1]
河网水情预测的三种BP神经网络方法比较
王艳君
论文数:
0
引用数:
0
h-index:
0
机构:
大连理工大学建设工程学部水利工程学院
王艳君
论文数:
引用数:
h-index:
机构:
金生
[J].
水电能源科学,
2010,
28
(02)
: 19
-
21+12
[2]
PSO-LSSVM分类模型在岩性识别中的应用
论文数:
引用数:
h-index:
机构:
程国建
论文数:
引用数:
h-index:
机构:
郭瑞华
[J].
西安石油大学学报(自然科学版),
2010,
25
(01)
: 96
-
99+114
[3]
最小二乘支持向量机的参数优化及其应用
论文数:
引用数:
h-index:
机构:
陈帅
朱建宁
论文数:
0
引用数:
0
h-index:
0
机构:
上海焦化有限公司
华东理工大学自动化研究所
朱建宁
潘俊
论文数:
0
引用数:
0
h-index:
0
机构:
上海焦化有限公司
华东理工大学自动化研究所
潘俊
侍洪波
论文数:
0
引用数:
0
h-index:
0
机构:
华东理工大学自动化研究所
华东理工大学自动化研究所
侍洪波
[J].
华东理工大学学报(自然科学版),
2008,
(02)
: 278
-
282
[4]
基于粒子群优化算法的支持向量机参数选择及其应用
邵信光
论文数:
0
引用数:
0
h-index:
0
机构:
江南大学控制科学与工程研究中心
邵信光
杨慧中
论文数:
0
引用数:
0
h-index:
0
机构:
江南大学控制科学与工程研究中心
杨慧中
陈刚
论文数:
0
引用数:
0
h-index:
0
机构:
江南大学控制科学与工程研究中心
陈刚
[J].
控制理论与应用,
2006,
(05)
: 740
-
743+748
[5]
用于回归估计的支持向量机方法
论文数:
引用数:
h-index:
机构:
杜树新
吴铁军
论文数:
0
引用数:
0
h-index:
0
机构:
浙江大学工业控制技术国家重点实验室
吴铁军
[J].
系统仿真学报,
2003,
(11)
: 1580
-
1585+1633
[6]
A tutorial on support vector regression
Smola, AJ
论文数:
0
引用数:
0
h-index:
0
机构:
Australian Natl Univ, RSISE, Canberra, ACT 0200, Australia
Australian Natl Univ, RSISE, Canberra, ACT 0200, Australia
Smola, AJ
论文数:
引用数:
h-index:
机构:
Schölkopf, B
[J].
STATISTICS AND COMPUTING,
2004,
14
(03)
: 199
-
222
←
1
→
共 6 条
[1]
河网水情预测的三种BP神经网络方法比较
王艳君
论文数:
0
引用数:
0
h-index:
0
机构:
大连理工大学建设工程学部水利工程学院
王艳君
论文数:
引用数:
h-index:
机构:
金生
[J].
水电能源科学,
2010,
28
(02)
: 19
-
21+12
[2]
PSO-LSSVM分类模型在岩性识别中的应用
论文数:
引用数:
h-index:
机构:
程国建
论文数:
引用数:
h-index:
机构:
郭瑞华
[J].
西安石油大学学报(自然科学版),
2010,
25
(01)
: 96
-
99+114
[3]
最小二乘支持向量机的参数优化及其应用
论文数:
引用数:
h-index:
机构:
陈帅
朱建宁
论文数:
0
引用数:
0
h-index:
0
机构:
上海焦化有限公司
华东理工大学自动化研究所
朱建宁
潘俊
论文数:
0
引用数:
0
h-index:
0
机构:
上海焦化有限公司
华东理工大学自动化研究所
潘俊
侍洪波
论文数:
0
引用数:
0
h-index:
0
机构:
华东理工大学自动化研究所
华东理工大学自动化研究所
侍洪波
[J].
华东理工大学学报(自然科学版),
2008,
(02)
: 278
-
282
[4]
基于粒子群优化算法的支持向量机参数选择及其应用
邵信光
论文数:
0
引用数:
0
h-index:
0
机构:
江南大学控制科学与工程研究中心
邵信光
杨慧中
论文数:
0
引用数:
0
h-index:
0
机构:
江南大学控制科学与工程研究中心
杨慧中
陈刚
论文数:
0
引用数:
0
h-index:
0
机构:
江南大学控制科学与工程研究中心
陈刚
[J].
控制理论与应用,
2006,
(05)
: 740
-
743+748
[5]
用于回归估计的支持向量机方法
论文数:
引用数:
h-index:
机构:
杜树新
吴铁军
论文数:
0
引用数:
0
h-index:
0
机构:
浙江大学工业控制技术国家重点实验室
吴铁军
[J].
系统仿真学报,
2003,
(11)
: 1580
-
1585+1633
[6]
A tutorial on support vector regression
Smola, AJ
论文数:
0
引用数:
0
h-index:
0
机构:
Australian Natl Univ, RSISE, Canberra, ACT 0200, Australia
Australian Natl Univ, RSISE, Canberra, ACT 0200, Australia
Smola, AJ
论文数:
引用数:
h-index:
机构:
Schölkopf, B
[J].
STATISTICS AND COMPUTING,
2004,
14
(03)
: 199
-
222
←
1
→