《表4 不同方法对测试集的高程拟合结果》
单位:mm
图2(a)和(b)分别给出了PSO算法迭代过程中核参数σ和惩罚因子C的变化曲线。可以看出,经过大约7次迭代,2个参数收敛,其中核参数收敛于0.9,惩罚因子收敛于256。利用优化后的模型对训练数据和测试数据进行高程拟合得到的结果如表3和表4所示。可以看出所提PSO-SVM方法对训练样本得到的最小和最大残差分别为0.102和0.762,残差均方根为0.203;对测试样本得到的最小和最大残差分别为0.023和0.834,残差均方根为0.253;训练样本和测试样本的残差均方根之差为0.05。而利用交叉验证SVM方法对训练样本得到的最小和最大残差分别为0.134和1.004,残差均方根为0.259;对测试样本得到的最小和最大残差分别为0.463和1.514,残差均方根为0.683;训练样本和测试样本的残差均方根相差0.424。上述结果表明PSO-SVM方法相对于传统SVM方法能够获得更高的拟合精度和更强的稳健性,更适合于实际工程应用。
图表编号 | XD00189116800 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.25 |
作者 | 王建军、章重阳 |
绘制单位 | 清远市土地中心、清远市土地中心 |
更多格式 | 高清、无水印(增值服务) |