針對最小二乘支持向量機擬合法難以選擇最優(yōu)參數(shù)的問題,將果蠅優(yōu)化算法引入最小二乘支持向量機中,構建區(qū)域GPS高程擬合模型的方法,利用果蠅優(yōu)化算法全局尋優(yōu)能力強、過程簡潔、參數(shù)少等優(yōu)點,解決最小二乘支持向量機的參數(shù)尋優(yōu)問題,并通過最小二乘支持向量機來構建高程擬合模型。結果表明,與BP神經(jīng)網(wǎng)絡擬合方法相比,引入果蠅優(yōu)化算法的最小二乘支持向量機擬合方法具有更高的穩(wěn)定性,內符合精度比標準最小二乘支持向量機提高了26%。 

【文章來源】：水力發(fā)電. 2020年03期 北大核心

【文章頁數(shù)】：4 頁

【部分圖文】：

果蠅優(yōu)化算法流程

由表2和圖2可知，相比于BP神經(jīng)網(wǎng)絡、LSSVM擬合方法擬合結果，F(xiàn)OA-LSSVM擬合方法擬合結果波動較小，尤其是相對于常規(guī)的LSSVM擬合方法而言，擬合精度更加穩(wěn)定，總體的波動范圍也有所減小，充分證明了該組合方法的現(xiàn)實性及有效性，并且確保了在區(qū)域范圍內進行擬合模型建立的穩(wěn)定性。5 結語

【參考文獻】：
期刊論文
[1]基于測井參數(shù)的頁巖有機碳含量支持向量機預測[J]. 李澤辰,杜文鳳,胡進奎,李冬.  煤炭科學技術. 2019(06)
[2]基于蟻群算法的多面函數(shù)在GPS高程擬合中的應用[J]. 蒲倫,唐詩華,張紫萍,胡新凱,肖燕.  大地測量與地球動力學. 2019(01)
[3]一種基于蟻群算法的山區(qū)GPS高程異常擬合方法[J]. 蒲倫,唐詩華,張紫萍,李宗婉,張炎.  測繪通報. 2018(08)
[4]基于果蠅優(yōu)化的隨機森林預測方法[J]. 趙東,臧雪柏,趙宏偉.  吉林大學學報(工學版). 2017(02)
[5]一種改進的適用于不同地形的GPS高程擬合模型[J]. 田曉,鄭洪艷,許明元,張超.  測繪通報. 2017(01)
[6]基于粒子群優(yōu)化算法的LS-SVM的GPS高程擬合[J]. 高紅,文鴻雁,聶光裕,楊志,韓亞坤.  桂林理工大學學報. 2016(02)
[7]基于果蠅優(yōu)化算法的小波域數(shù)字水印算法[J]. 肖振久,孫健,王永濱,姜正濤.  計算機應用. 2015(09)
[8]基于灰色最小二乘支持向量機的大壩變形預測[J]. 任超,梁月吉,龐光鋒,藍嵐.  大地測量與地球動力學. 2015(04)
[9]自然樣條半?yún)?shù)模型的GPS高程擬合方法[J]. 康雙雙,張春芳,李科杰.  人民長江. 2015(14)
[10]LSSVM回歸模型在局部區(qū)域GPS高程擬合中的應用[J]. 吳吉賢,杜海燕,張耀文.  測繪科學. 2013(06)



本文編號：2949796