参数优化支持向量机的农业大棚温室温度预测模型

摘要：

利用支持向量机核函数linear,polynomial,radial basis function和sigmoid,通过粒子群算法对惩罚参数c和gamma寻优,建立农业大棚温室温度预测模型.试验结果表明:通过粒子群算法设定惩罚参数c为14.392,gamma为0.01时,得到的P_RBF预测模型对由24个测试时间所测数据组成的训练集拟合程度达90.849%,对加入随机影响因子的由5个测试时间所测数据组成的预测集拟合程度达90.545%,显示该预测模型具备相当的鲁棒性;P_RBF模型对温室内温度预测具备相当的可靠性,可以准确预测温室内温度变化趋势,解决温室控制系统中温度难以预测的问题.

关键词：粒子群算法、支持向量机、农业大棚温室

所属期刊栏目：18

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2017-07-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：557-560