基于加权最小二乘支持向量机的温室小气候建模与仿真

被引：7

作者：

李晋

秦琳琳

吴刚

苑媛

岳大志

机构：

[1] 中国科学技术大学自动化系

来源：

系统仿真学报 | 2008年 / 16期

关键词：

温室; 小气候; 系统建模; 支持向量机; 加权最小二乘;

D O I：

10.16182/j.cnki.joss.2008.16.036

中图分类号：

TP391.9 [计算机仿真];

学科分类号：

080203 ;

摘要：

分析了温室小气候系统结构,采用加权最小二乘支持向量机回归方法在线建立温室小气候模型,并进行仿真研究,取得了较好的效果。最小二乘支持向量机中引入加权因子,使其回归估计对非高斯分布噪声及野点数据具有较好的鲁棒性。最后将此方法和带有智能监督级的渐消记忆递推增广最小二乘方法的在线建模及仿真结果进行了对比分析。

引用

页码：4232 / 4236

页数：5

共 9 条

[1] 试验温室温度系统建模与仿真 [J].

李晋 ;

秦琳琳 ;

岳大志 ;

吴刚 ;

薛美盛 ;

陈薇 ;

王子洋 ;

胡振华 .

系统仿真学报, 2008, (07) :1869-1875

[2] 温室环境的支持向量机回归建模 [J].

王定成 .

农业机械学报, 2004, (05) :106-109

[3] 利用BP神经网络对江淮地区梅雨季节现代化温室小气候的模拟与分析 [J].

汪小旵 ;

丁为民 ;

罗卫红 ;

戴剑锋 .

农业工程学报, 2004, (02) :235-238

[4] 基于改进遗传算法的温湿度模糊神经网络控制器 [J].

李秀梅 ;

赵春江 ;

乔晓军 ;

刘华毅 .

农业工程学报, 2004, (01) :259-262

[5]

数据挖掘中的新方法.[M].邓乃扬;田英杰著;.科学出版社.2004,

[6]

系统辨识.[M].冯培悌编著;.浙江大学出版社.1999,

[7]

工程最优化方法及应用.[M].孙德敏编著;.中国科学技术大学出版社.1997,

[8] Modelling greenhouse temperature by means of auto regressive models [J].

Frausto, HU ;

Pieters, JG ;

Deltour, JM .

BIOSYSTEMS ENGINEERING, 2003, 84 (02) :147-157

[9]

Weighted least squares support vector machines: robustness and sparse approximation.[J].J.A.K. Suykens;J. De Brabanter;L. Lukas;J. Vandewalle.Neurocomputing.2002, 1

← 1 →