針對最小二乘支持向量機擬合法的擬合參數(shù)難以選取的問題,提出將人工蜂群算法引入最小二乘支持向量機建立高精度區(qū)域擬合模型的方法。人工蜂群算法可對最小二乘支持向量機中的參數(shù)進行全局性追蹤搜索,模仿蜜蜂的采蜜過程,將參數(shù)的初選值作為蜜源,最小二乘支持向量機預(yù)測的平均平方誤差作為目標(biāo)函數(shù),在一定范圍內(nèi)經(jīng)過迭代更新確定最佳參數(shù),最終建立精度較高的全球定位系統(tǒng)（GPS）高程擬合模型。實驗結(jié)果表明,相比常規(guī)最小二乘支持向量機擬合法,ABC-LSSVM組合方法構(gòu)建的擬合模型精度提高了28%,在此同時,該組合方法比BP神經(jīng)網(wǎng)絡(luò)擬合法的收斂效果更高、穩(wěn)定性更佳,證明了ABC-LSSVM組合方法在GPS高程擬合模型構(gòu)建中的有效可行性,為GPS高程擬合模型的建立提供一定的參考價值。 

【文章來源】：科學(xué)技術(shù)與工程. 2020,20(16)北大核心

【文章頁數(shù)】：6 頁

【文章目錄】：
1 基本理論
    1.1 人工蜂群算法
    1.2 最小二乘支持向量機
2 ABC優(yōu)化LSSVM
3 實驗分析
    3.1 采集研究數(shù)據(jù)
    3.2 擬合模型精度分析
4 結(jié)論


【參考文獻】：
期刊論文
[1]基于ABC-RNN算法的機器嗅覺系統(tǒng)[J]. 朱煜楓,王寧誠,許磊,吳楓.  武漢大學(xué)學(xué)報(理學(xué)版). 2019(03)
[2]基于人工蜂群的新型圓形交通標(biāo)志識別算法[J]. 董娜,劉欣宇,吳愛國.  天津大學(xué)學(xué)報(自然科學(xué)與工程技術(shù)版). 2019(06)
[3]基于人工蜂群算法的巖土邊坡穩(wěn)定性測度分析[J]. 劉莉莎,王偉,彭第.  科學(xué)技術(shù)與工程. 2019(08)
[4]基于自適應(yīng)粒子群參數(shù)優(yōu)化的最小二乘支持向量機用電量預(yù)測模型[J]. 徐龍秀,辛超山,牛東曉,安琪,袁程浩,肖瑤.  科學(xué)技術(shù)與工程. 2019(06)
[5]利用粒子群算法優(yōu)化的GPS高程擬合精度分析[J]. 蒲倫,唐詩華,羅潔,肖燕,邢鵬威.  測繪科學(xué)技術(shù)學(xué)報. 2018(06)
[6]基于相空間重構(gòu)的FOA-GLSSVM深基坑變形預(yù)測模型研究[J]. 謝洋洋,吳大鵬,付超,周杰,史益軍.  大地測量與地球動力學(xué). 2018(10)
[7]GPS高程擬合的不同估計方法比較[J]. 唐詩華,袁隆疆,王江波,肖陽,蒲倫.  桂林理工大學(xué)學(xué)報. 2018(03)
[8]基于粒子群優(yōu)化支持向量機的短期負(fù)荷預(yù)測[J]. 楊小明,崔雪,周斌,彭政.  武漢大學(xué)學(xué)報(工學(xué)版). 2018(08)
[9]利用EGM2008模型與地形改正進行GPS高程擬合[J]. 劉斌,郭際明,史俊波,吳迪軍.  武漢大學(xué)學(xué)報(信息科學(xué)版). 2016(04)



本文編號：3174600