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.
Prediction of the relative humidity for large climate chamber based on IPSO-SVM
NETL
NSTL
万方数据
维普
