摘要
从理论上分析ν-SVR参数的规律性,介绍3种常用的参数寻优方法,综合考虑惩罚参数、核函数参数及ν参数对预测精度的影响。以坝体沉降监测为例,采用粒子群优化算法对支持向量机参数(C,σ,ν)同时进行优化选择,并与格网法进行对比分析,试验表明粒子群算法在寻参效率、精度和可靠性上具有明显优势。
学科与关键词
关键词
SVRPSO参数优化监测预测
- 基于遗传算法的LIBSVM模型大坝扬压力预测研究刘天祥; 包腾飞; 宋锦焘; 沈寿亮; 梁睿斌; 姜彦作三峡大学学报(自然科学版), 2013, (06): 24-28.
- 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.
- 多目标粒子群优化的支持向量机及其在齿轮故障诊断中的应用王维刚; 刘占生振动工程学报, 2013, (05): 743-750.
