基于反学习飞蛾火焰算法优化的LSSVM模型及其软测量应用

• 作者: 刘超 夏祥礼 陈国彬
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 软测量 最小二乘支持向量机 飞蛾火焰算法 反学习 越界
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 算法
• 页码范围: 322-326
• 页数: 5页
• 分类号: TP18
• 字数: 3427字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.05.054

摘要

针对最小二乘支持向量机LSSVM(least squares support vector machine)软测量模型参数难以估计问题,提出将参数估计转化为约束优化问题,基于反学习飞蛾火焰算法OMFO(opposition-based MFO)优化的LSSVM建模技术,并构建OMFO-LSSVM软测量模型.在MFO(moth-flame optimization)基础上增加新型反学习策略以提升算法性能.针对越界飞蛾,采用一种镜像越界策略保证飞蛾均在维度范围内,改善种群多样性.利用OMFO算法调整模型参数,并建立OMFO-LSSVM软测量模型.将OMFO-LSSVM模型用于机组热耗率预测,预测精度达到0.11％,验证了该模型的可行性与优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈国彬	重庆工商大学融智学院	38	96	5.0	8.0
2	刘超		22	39	3.0	5.0
3	夏祥礼	重庆工商大学融智学院	11	10	2.0	3.0