提出一種基于自適應(yīng)混沌粒子群優(yōu)化和支持向量機(jī)結(jié)合的非線性預(yù)測(cè)建模算法（ACPSO-SVR），引入ACPSO啟發(fā)式尋優(yōu)機(jī)制對(duì)SVR模型的超參數(shù)進(jìn)行自動(dòng)選取，在超參數(shù)取值范圍變化較大的情況下，效果明顯優(yōu)于網(wǎng)格式搜索算法。選取UCI機(jī)器學(xué)習(xí)數(shù)據(jù)庫中的Forest fires標(biāo)準(zhǔn)數(shù)據(jù)集進(jìn)行測(cè)試，實(shí)驗(yàn)結(jié)果表明該方法具有較高的精度和良好的泛化能力，對(duì)于解決多變量的回歸預(yù)測(cè)問題是一種有效的方法。最后給出了混合算法在碳一多相催化領(lǐng)域的兩種典型應(yīng)用，在反應(yīng)動(dòng)力學(xué)模型未知的情況下建立催化劑組份模型和操作條件模型，以及基于混合算法的最優(yōu)催化劑設(shè)計(jì)框架。
標(biāo)簽：
ACPSO-SVR
非線性建模
預(yù)測(cè)算法
上傳時(shí)間：
2013-10-23
上傳用戶：alibabamama
