提出一種基于自適應(yīng)混沌粒子群優(yōu)化和支持向量機結(jié)合的非線性預(yù)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(shù)進行自動選取，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機器學(xué)習(xí)數(shù)據(jù)庫中的Forest fires標準數(shù)據(jù)集進行測試，實驗結(jié)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(yù)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(lǐng)域的兩種典型應(yīng)用，在反應(yīng)動力學(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)計框架。
標簽：
ACPSO-SVR
非線性建模
預(yù)測算法
上傳時間：
2013-10-23
上傳用戶：alibabamama
