《表3 LSSVM参数优化结果》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于改进粒子群优化LSSVM的污水COD软测量建模》
为了验证IPSO-LSSVM算法的预测精度,本文选取传统的LSSVM和基于PSO优化的PSO-LSSVM模型,在相同的测试样本上比较模型的精度。利用MATLAB工具箱,编写LSSVM、PSO-LSSVM及IPSO-LSSVM算法程序,对训练样本进行训练预测,得到满足精度要求时的γ和σ2值,完成γ,σ2参数寻优。采用IPSO算法和PSO算法优化时,设定公共参数:设定粒子维度D=2,种群规模M=30,进化最大次数Tmax=800,学习因子c1=c2=1.5,惯性权重ω=[0.4,0.9],模型参数γ,σ2取值范围分别为[0.01,1 000],以样本集的实测值和预测结果的均方差作为适应度函数,终止精度10-6。在IPSO算法中,取最大扰动值dmax=0.85,最小扰动值dmin=0.35。对于传统LSSVM模型,根据参考文献[20],γ,σ2参数分别取值10,4。IPSO和PSO算法分别优化LSSVM的适应度曲线如图7所示。经运行IPSO-LSSVM算法得到的模型参数见表3。
图表编号 | XD00211100300 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.25 |
作者 | 黄琦兰、范金祥 |
绘制单位 | 天津工业大学电气工程与自动化学院、天津工业大学电气工程与自动化学院 |
更多格式 | 高清、无水印(增值服务) |