-
题名加权支持向量回归算法在运力预测中的应用
- 1
-
-
作者
李冬琴
王呈方
王丽铮
-
机构
武汉理工大学交通学院
武汉理工大学
-
出处
《江苏船舶》
2007年第4期1-4,47,共4页
-
文摘
支持向量机(Support Vector Machines,SVM)是基于统计学习理论框架下的一种新的通用机器学习方法,是一种处理非线性分类和非线性回归的有效方法。由于具有完备的理论基础和出色的学习性能,该技术已成为当前国际机器学习界的研究热点,能较好地解决小样本、高维数、非线性和局部极小点等实际问题。近来,SVR方法被引入求解回归和预测问题,并在各领域中得到广泛的应用。本文在分析现有基于高斯核的支持向量回归方法优缺点的基础上,突破目前在构造支持向量机中存在的"所有支持向量与样本之间的在特征空间中的内积所对应的核函数参数一定要相等"的这一思维定势,提出了一种新的算法——"基于高斯核参数加权的支持向量回归机"算法,并将该算法应用在世界散货船队运力预测中。估算结果证明了这种改进的支持向量回归算法在船队运力预测中的有效性和实用性。
-
关键词
加权支持向量机回归
权重因子
散货船队
运力预测
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于PSO-WSVR的短期水质预测模型研究
被引量：7
- 2
-
-
作者
徐龙琴
刘双印
-
机构
广东海洋大学信息学院
中国农业大学现代精细农业系统集成研究教育部重点实验室
中国农业大学北京市农业物联网工程技术研究中心
-
出处
《郑州大学学报（工学版）》
CAS
北大核心
2013年第3期112-116,共5页
-
基金
国家科技支撑计划资助项目(2011BAD21B01)
广东省科技计划项目(2012A020200008)
湛江市科技计划项目(2010C3113011)
-
文摘
针对传统方法很难建立精确的非线性水质预测模型的情况,提出了基于粒子群优化加权支持向量回归机(PSO-WSVR)的水质短期预测模型.在建模过程中,根据各样本重要性的差异,给各个样本的惩罚系数赋予不同权重,改进了标准支持向量回归机算法,克服了标准支持向量回归算法因不同样本均采用相同权重造成预测精度低的问题,并采用粒子群优化算法对加权支持向量回归机参数组合进行自适应优化,模型收敛速度明显加快.运用PSO-WSVR模型对江苏宜兴市集约化河蟹养殖池塘水质进行预测,与标准支持向量回归机和BP神经网络对比分析.结果表明,该模型性能可靠、泛化能力强,预测精度高,为集约化水产养殖水质短期预测提供了一种新思路.
-
关键词
水质预测
加权支持向量回归机
粒子群优化算法
参数优化
-
Keywords
water quality prediction
weighted support vector regression
particle swarm optimization
param-eters optimization
-
分类号
X83
[环境科学与工程—环境工程]
-
