[1]徐龙琴,刘双印..基于PSO-WSVR的短期水质预测模型研究[J].郑州大学学报(工学版),2013,34(03):112-116.[doi:10.3969/j.issn.1671-6833.2013.03.027]
点击复制
基于PSO-WSVR的短期水质预测模型研究()
《郑州大学学报(工学版)》[ISSN:1671-6833/CN:41-1339/T]
- 卷:
-
34卷
- 期数:
-
2013年03期
- 页码:
-
112-116
- 栏目:
-
- 出版日期:
-
2013-05-31
文章信息/Info
- 作者:
-
徐龙琴; 刘双印.
-
广东海洋大学信息学院,广东湛江,524088, 广东海洋大学信息学院,广东湛江524088;中国农业大学现代精细农业系统集成研究教育部重点实验室,北京100083;中国农业大学北京市农业物联网工程技术研究中心,北京100083
- 关键词:
-
水质预测; 加权支持向量回归机; 粒子群优化算法; 参数优化
- DOI:
-
10.3969/j.issn.1671-6833.2013.03.027
- 摘要:
-
针对传统方法很难建立精确的非线性水质预测模型的情况,提出了基于粒子群优化加权支持向量回归机(PSO-WSVR)的水质短期预测模型,在建模过程中,根据各样本重要性的差异,给各个样本的惩罚系数赋予不同权重,改进了标准支持向量回归机算法,克服了标准支持向量回归算法因不同样本均采用相同权重造成预测精度低的问题,并采用粒子群优化算法对加权支持向量回归机参数组合进行自适应优化,模型收敛速度明显加快.运用PSO-WSVR模型对江苏宜兴市集约化河蟹养殖池塘水质进行预测,与标准支持向量回归机和BP神经网络对比分析.结果表明,该模型性能可靠、泛化能力强,预测精度高,为集约化水产养殖水质短期预测提供了一种新思路.
更新日期/Last Update:
1900-01-01