《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》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。