首页|粒子群优化LSSVM与RBF的混合回归预测模型

粒子群优化LSSVM与RBF的混合回归预测模型

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
为提高支持向量机预测模型的精确度,将最小二乘向量机与RBF神经网络引入预测模型,使用粒子群算法对RBF神经网络进行优化,使RBF神经网络能够提取向量机训练误差中的有效值,并再次进行数据集训练,使RBF神经网络模型能进一步预测支持向量机残差项.将粒子群算法优化的LSSVM-RBF混合回归预测模型用于大流域生态水环境预测,并将预测结果与其他4种模型进行对比.该模型的RMSE、MAE、MAPE、MSE分别达到了1.1077、0.9135、0.2500、1.2270,拟合程度进一步提高,表明基于粒子群算法优化的LSSVM-RBF-NN混合预测回归模型能够有效提高预测精度.
Hybrid Regression Prediction Model Based on Particle Swarm Optimization LSSVM and RBF

王博、彭硕

展开 >

井冈山大学电子与信息工程学院,江西吉安343009

粒子群算法 最小二乘支持向量机 RBF神经网络 回归预测

国家自然科学基金江西省教育厅科技计划项目

61862035GJJ190561

2021

10.11907/rjdk.211753

软件导刊
湖北省信息学会

软件导刊

影响因子：0.524
ISSN：1672-7800
年,卷(期)：2021.20(12)
  • 4