基于粒子群优化支持向量机的煤矿水位预测模型  

The Forecast Model of Mine Water Discharge Based on Particle Swarm Optimization and Support Vector Machines

作　　者：郭凤仪[1] 郭长娜[1] 王爱军 王洋洋[1] 刘丹[1] 

机构地区：[1]辽宁工程技术大学电气与控制工程,葫芦岛125105 [2]开滦钱家营矿业公司,河北唐山063301

出　　处：《计算机工程与科学》2012年第7期177-181,共5页Computer Engineering & Science

基　　金：辽宁省高校创新团队资助项目(LT2010046)

摘　　要：支持向量机算法(SVM)具有可靠的全局最优性和良好的泛化能力,适用于有限样本的学习,而该算法的成功与否很大程度上取决于其参数的选择,而常规经验选取方法往往不能获得满意效果。利用粒子群算法(PSO)随机搜索策略对支持向量机参数进行优选,建立基于粒子群算法参数优化的支持向量机模型(PSO-SVM)。仿真结果表明,该优化模型比传统的人工神经网络(BP)模拟效果要好,在拟合精度方面有很大的提高,且具有较好的泛化能力。The support vector machine （SVM） algorithm is of reliable global optimality and good generalization,suitable for the learning of finite samples. However, the results considerably depend on the SVM model parameters and the conventional parameter choosing method by experience is unsatisfac- tory. Using the particle swarm optimization （PSO） random search strategy, we can establish the optimi- zation parameters of support vector machine. It is shown that ACO-SVM is much better in the simula- tion results than the artificial neural network, which greatly improves in fitting precision, and it has good generalization ability.

关 键 词：支持向量机 粒子群优化 参数优选 水仓水位 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]