上海大学学报(自然科学版) ›› 2018, Vol. 24 ›› Issue (4): 627-633.doi: 10.12066/j.issn.1007-2861.1819
摘要:
将B(包括B1, B3和B5)样条核函数和径向基(radial basic function, RBF)核函数进行线性组合, 构造B-RBF组合核函数, 进而提出基于粒子群优化B-RBF核的最小二乘支持向量机(least squares support vector machine, LSSVM). 在脉动风速预测中, 运用粒子群优化(particle swarm optimization, PSO)算法对B-RBF-LSSVM模型的惩罚参数和核函数参数进行智能优化. 同时给出PSO-RBF-LSSVM的数值预测结果进行比较. 数值分析表明, PSO-B3-RBF-LSSVM比PSO-B1-RBF-LSSVM, PSO-B5-RBF-LSSVM和PSO-RBF-LSSVM具有更高的预测性能.
中图分类号: