上海大学学报(自然科学版) ›› 2019, Vol. 25 ›› Issue (2): 347-356.doi: 10.12066/j.issn.1007-2861.1919
• 研究论文 • 上一篇
摘要:
利用最小二乘支持向量机(least square support vector machine,LSSVM)预测建筑表面的风压. 为提高LSSVM对风压预测的泛化能力与精度,提出了基于混合蚁群(ant colony optimization, ACO)和粒子群(particleswarm optimization, PSO)优化LSSVM的预测方法(ACO+PSO-LSSVM),对参数进行搜索寻优, 该方法避免了ACO和PSO二者的缺点并实现优势互补.利用ACO+PSO-LSSVM算法对建筑表面风压进行单点和空间点预测,并与ACO-LSSVM和PSO-LSSVM算法作比较. 结果表明,基于混合蚁群优化和粒子群优化的LSSVM预测模型预测精度高、鲁棒性强,具有较高的工程应用前景.
中图分类号: