提出一種基于自適應混沌粒子群優(yōu)化和支持向量機結合的非線性預測建模算法（ACPSO-SVR），引入ACPSO啟發(fā)式尋優(yōu)機制對SVR模型的超參數進行自動選取，在超參數取值范圍變化較大的情況下，效果明顯優(yōu)于網格式搜索算法。選取UCI機器學習數據庫中的Forest fires標準數據集進行測試，實驗結果表明該方法具有較高的精度和良好的泛化能力，對于解決多變量的回歸預測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域的兩種典型應用，在反應動力學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)催化劑設計框架。
標簽：
ACPSO-SVR
非線性建模
預測算法
上傳時間：
2013-10-23
上傳用戶：alibabamama
