基于协同进化算法的支持向量回归径流建模研究与应用

• 作者: 吴建生 谢永盛 金龙
• 来源期刊: 计算机科学与应用
• 学科: 教育
• 关键词: 粒子群优化 模拟退火算法 支持向量回归 核函数 径流模型
• 年，卷（期）: jsjkxyyy_2020,（3）
• 页码范围: 505-520
• 页数: 16页
• 分类号: G63

摘要

针对支持向量回归模型在实际应用中难以选择建模数据的特征、核函数类型、最优核函数参数以及支持向量的惩罚系数和不敏感损失函数的参数问题,本文提出利用粒子群算法混合模拟退火算法构造协同进化算法,自适应选择建模数据的特征、协同进化选择支持向量回归的核函数类型,匹配最优核函数的参数和模型参数,以此建立协同进化的支持向量回归柳江径流预测模型。本文通过混合模拟退火算法Metropolis接受准则和粒子群算法随机接受准则,结合粒子群算法的并行计算和模拟退火算法的干扰机制,减少在局部搜索点附近的震动偏离构造协同进化算法,自适应筛选支持向量回归模型建模数据的特征、协同进化选择核函数类型,最优匹配核函数参数和支持向量模型参数,建立柳江径流建模,实验结果表明,该方法能够快速有效地选择建模数据的特征、核函数类型、最优匹配核函数参数和支持向量模型参数,其泛化性能明显提升,拟合效果更好。该方法用于柳江径流预测,具有良好的建模效果和更高的预测精度。