基于改进型支持向量机算法的轧机轧制力预测

• 作者: 王前锋
• 来源期刊: 锻压技术
• 学科: 工学
• 关键词: 轧制力预测 支持向量机 粒子群优化算法 最小二乘法支持向量机 核函数
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 装备与成套技术
• 页码范围: 131-137
• 页数: 7页
• 分类号: TP273
• 语种: 中文
• DOI: 10.13330/j.issn.1000-3940.2019.04.022

摘要

考虑到基于神经网络算法建立的预测模型虽然具有较好的预测精度,但是神经网络模型需要大量的训练样本,另外会增加模型的复杂程度,研究了一种基于改进型支持向量机的轧机轧制力预测模型,建立基于RBF核函数和多项式核函数的最小二乘支持向量机,并使用协同量子粒子群算法对混合函数的参数进行寻优,以提高预测模型的预测性能.由协同量子粒子群算法优化得到了基于改进型支持向量机的轧机轧制力预测模型中的RBF核函数参数γ值、 惩罚系数c值、 多项式核函数参数q值和两个核函数的权重a值.通过实例研究表明:使用本文研究的改进型支持向量机的轧制力预测模型预测相对误差在4％ ～6％之间,多组数据的平均值误差为4.83％.验证了本文研究的基于改进型支持向量机的轧机轧制力预测模型的可行性.本文研究的预测模型相比其他3种对比模型耗时更长,但是相比之下提高了预测准确率,更具有实际意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王前锋	河南经贸职业学院工程经济学院	13	9	2.0	2.0