《表6 初始参数与最优参数回归精度对比》
初始参数值(c,ε,γ)设为(2.2,0.01,2.8),样本点统一设置为20个,利用LSSVR和OPT-LSSVR进行回归拟合.如图19所示,可以看出,对于非线性较强的测试函数,尤其在梯度较大的极值点附近,LSSVR的回归精度显著下降.而针对最优参数模型拟合结果,回归曲线能够精确捕捉样本数据点的变化规律,在梯度较大的极值点附近也能够良好地拟合.基于优化算法,最小化目标函数设为均方误差MSE,得到每个测试函数对应的最优参数值.利用最优参数进行建模,得到的拟合结果如表6所示.从表6中对比数据可以看出,最优参数构建的LSSVR模型均方误差MSE明显减小,初始参数模型MSE均在10-1~10-2左右,优化后减小至10-4~10-5;决定系数R2提高至0.999以上,因此利用优化算法构建的LSSVR模型具有更高的回归精度.
图表编号 | XD00202529700 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.18 |
作者 | 孙振旭、姚永芳、郭迪龙、杨国伟、姚拴宝、张业、陈大伟、李桂波、尚克明、贾玲 |
绘制单位 | 中国科学院力学研究所、中国科学院力学研究所、中国科学院大学工程科学学院、中国科学院力学研究所、中国科学院力学研究所、中国科学院大学工程科学学院、中车青岛四方机车车辆股份有限公司、中车青岛四方机车车辆股份有限公司、中车青岛四方机车车辆股份有限公司、中车青岛四方机车车辆股份有限公司、中车青岛四方机车车辆股份有限公司、中国科学院力学研究所 |
更多格式 | 高清、无水印(增值服务) |