《表4 不同模型预测值和实际值Tab.4 Predicted values of different models and measured values》

  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

《基于主成分和粒子群优化支持向量机的管道内腐蚀预测》

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

应用MATLAB Libsvm2.98工具箱进行编程，将主成分分析得到的7个因素作为SVM的输入参数，结合参数最优值，用训练集训练并建立内腐蚀率预测模型，最后用检测集来验证模型的预测效果。对模型评价标准采用相对误差，同时为验证CFPSO-SVM的有效性，选用三个对比模型:BP神经网络（Back propagation neural network，BPNN）、网格搜索优化的SVM和遗传算法（Genetic algorithm，GA）优化的SVM，其中，BP神经网络采用3层网络，其输入层结点数为7，隐含层结点数为4，迭代上限2000次。网格搜索法对参数C、ε、σ的取值区间划分为100，则共需106次寻优；GA-SVM模型的规模和迭代次数与CFPSO-SVM相同。模型预测对比结果见表4。