文档介绍：万方数据
LSSVM张展羽唬伦悠絫,一,王斌钚禄ⅰぃ关键词时间序列分析;支持向量机;自由搜索;粒子群算法;鱼群算法1点,解决了传统机器学习方法中无法避免的局部极值问题,表现出了很多优于已有机器学习方法的性能】.系统工程理论与实践EngineeringTheoryPractice文章编号:—(12100982210098摘要为有效地利用墒情监测资料预测未来墒情,考虑支持向量机的结构风险最小化准则和自由搜索算法良好的全局优化特点,应用最小二乘支持向量机方法,构造了优化目标函数,引入自由搜(LSSVM),支持向量机方法对墒情序列的平稳性要求不高,且模型易于实现,与传统的时间序列模型以及基于粒子群算法和鱼群算法的—P拖啾龋谧杂伤阉魉惴ǖ腖甋模型具有较好的模拟及预测精度,相对误差小于%的模拟值及预测值分别达到了ズ%.,一,瑃analysis(TSA)methoditanalysissupport等人于年提出的支持向量机,是在有限样本条件下对统计VCSVM化准则代替了传统的经验风险最小化准则,求解的是一个二次型寻优问题,从理论上说得到的将是全局最优VapnikSuykensVandewalletJ--(Least30220102$2743Aū迸┮荡笱虢ㄖг海square-SVM(LSSVM)isoptimization(PSO)fish收稿日期:基金项目:国家自然科学基金作者简介:张展羽校仗┬巳耄淌冢┦可际Γ珽簔甧..琋Zhan-yul-CHEN,(1Key,甌15betweenァ944machinesbee;;eptableThe
万方数据
1zziJ蔍p珊∽缈蟆壶芿c{}伽,吼;琤,恢ザ妒恳W=(Q=b1a2n猯2LS-SVMJ=()T()=K()K(Y=exp[llIl2最小二乘线性系统作为损失函数,用等式约束代替不等式约束,使求解过程仅仅变成了解一组等式方程,从,,巩,∞,⋯,纾ni=12iiLSSVMstOdwl()+b=1eii=12nWb(-)=WT()+b7()i=12l甗叫瓦一,式中:陋欢万口弧欢瓦%】;【口豢;⋯;!浚籪;弧】;【;;⋯;】;,式中:玩,否为暮撕S玫暮撕饕S邢咝院撕⒍嘞钍胶撕⒕断蚧核函数、(8)LSSVM2machinesLSSVM)SVM3JSVMLSSVMLSSVM农田土壤水动态及其转化是降水、地表水、土壤水、地下水转化过程中的中一环节,,在气候变迁、生态环境变化、季节交替、作物生长周期、天气情况以及一些随机因素的综合作用下,墒情随时间的变化会呈现[4-8LSSVM(FreesearchFs);:啦为乘子,∈兄求9赜赪、蚎钠ǖ迹⒘钇湮,有t=12n(4)Mercer111=ZZT(Sigmoid)式中:,叫 zzT+y1J..,
万方数据
的参数优化求解Q=I(0i2FSLS-SVMi3Free—阅艿挠跋煸诶砺凵厦挥斜厝坏牧O担和盯的取值成为—个难题,在实际应用中并没有切实文献、文献糠直鹜ü徊嫜橹ず妥允视Φ姆椒ǘ許参