群智能优化算法优化支持向量机的方法及应用

作者：崔丽洁; 程换新; 刘军亮; 张远绪

来源：电子测量技术, 2019, 42(07): 44-48.

DOI：10.19651/j.cnki.emt.1802357

• 水质评价
• 动态多种群粒子群算法
• 支持向量机

水质评价过程具有多变量、非线性、不确定等特点,传统的粒子群算法训练神经网络的水质评价模型收敛速度慢、泛化性能差。为了克服传统模型的缺点,提出了利用动态多种群粒子群算法训练支持向量机的模型,并利用多种群粒子群算法优化支持向量机结构参数。该模型结合了粒子群算法的搜索性能以及支持向量机的高效性、强鲁棒性等优点,提高了模型的泛化能力。通过对新疆某流域站点的水文数据进行仿真,结果得出该方法的相对误差为2.74%,远低于传统粒子群算法4.21%的相对误差,由此证明该模型的应用效率及精度得到提高,适用于日常水质评价工作。

• 出版日期2019
• 单位电子工程学院; 青岛科技大学