摘要
支持向量机(S VM)模型的核心问题是惩罚因子c和核函数参数g的选取.通常支持向量机库工具箱(LIBSVM)采用传统网格搜索算法进行参数寻优,只能得到交叉验证意义下的全局最优解,在更大范围内进行参数寻优比较费时,且效率较低,针对这一问题,提出了基于遗传算法的启发式寻优,以交叉验证(CV)意义下的准确率为适应度,通过一系列的选择交叉变异操作,得到最优的c和g,将优化后的SVM模型应用于大坝扬压力的预测.通过某大坝扬压力监测的实例应用,将遗传算法优化的LIBSVM与传统的LIBSVM预测相对比,预测效果更好,精度更高.
学科与关键词
关键词
LIBSVM遗传算法坝基扬压力预测 LIBSVMgenetic algorithm(GA)uplift pressureforecasting
- 基于坝体沉降监测的ν-SVR参数优化方法研究丛康林; 岳建平; 席广永测绘通报, 2013, (11): 40-43.
- 基于PSO-SVM模型的拱坝坝变形预测研究刘敬洋; 刘何稚; 朱凯; 陈晨; 张凤山三峡大学学报(自然科学版), 2013, (01): 30-33.
- 基于改进遗传算法的支持向量机预测模型研究陈锦青; 韩延杰微型机与应用, 2013, (24): 82.
