计算机时代2023，Issue(2) ：11-15,20.DOI:10.16644/j.cnki.cn33-1094/tp.2023.02.003

基于IPSO-SVM的大气候室相对湿度预测

Prediction of the relative humidity for large climate chamber based on IPSO-SVM

丁瑞成 刘斌 郑焕祺 周玉成
计算机时代2023，Issue(2) ：11-15,20.DOI:10.16644/j.cnki.cn33-1094/tp.2023.02.003
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于IPSO-SVM的大气候室相对湿度预测

Prediction of the relative humidity for large climate chamber based on IPSO-SVM

丁瑞成 1刘斌 2郑焕祺 3周玉成4
扫码查看

作者信息

  • 1. 山东建筑大学信息与电气工程学院,山东 济南 250101
  • 2. 山东省产品质量检验研究院
  • 3. 山东建筑大学建筑城规学院
  • 4. 山东省产品质量检验研究院;山东建筑大学建筑城规学院
  • 折叠

摘要

针对大气候室相对湿度控制效果存在明显滞后的问题,建立改进粒子群算法(IPSO)-支持向量机(SVM)的相对湿度预测模型.首先引入Te n t混沌映射初始化种群,使初代粒子均匀分布于搜索空间,增加种群多样性;其次采用新的惯性权重非线性调整策略,平衡粒子的全局搜索与局部搜索能力;最后引入随机蛙跳算法(SFLA)的跳跃机制,一定程度上避免了标准PSO算法过早收敛,陷入局部最优的问题.实验结果表明:在三组数据集中,相较于PSO-SVM和GA-SVM算法,本模型具有最优的预测精度,决定系数均在0.97以上,该模型可为优化大气候室相对湿度控制策略提供参考.

关键词

大气候室/改进粒子群算法/随机蛙跳算法/支持向量机/相对湿度预测

引用本文复制引用

基金项目

山东建筑大学博士基金(X21110Z)

出版年

2023
计算机时代
浙江省计算技术研究所　浙江省计算机学会

计算机时代

影响因子：0.411
ISSN：1006-8228
参考文献量14
段落导航相关论文