申请/专利权人：河海大学

申请日：2022-05-27

公开（公告）日：2024-04-26

公开（公告）号：CN114970719B

主分类号：G06F18/214

分类号：G06F18/214;G06N3/006

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2022.09.16#实质审查的生效;2022.08.30#公开

摘要：本发明公开了一种基于改进SVR模型的物联运行指标预测方法，包括：对气候数据与物联运行指标数据进行预处理；对预处理后的气候数据进行特征选择，剔除冗余特征；建立RF‑SVR模型，利用智能优化算法PSO优化RF‑SVR模型的参数，获得RF‑PSO‑SVR模型；通过RF‑PSO‑SVR模型输出物联运行指标预测结果。本发明提高了特征选择的可靠性，有助于提升后续预测模型的预测精度，针对仅仅使用SVR无法实现对本地物联运行指标数据的精准预测，利用PSO算法优化特征选择后的SVR模型，从而提高了模型拟合优度，降低了均方差，有效提升了对于物联运行指标数据的预测精准度。

主权项：1.一种基于改进SVR模型的物联运行指标预测方法，其特征在于，包括如下步骤：S1：对气候数据与物联运行指标数据进行预处理；S2：对预处理后的气候数据进行特征选择；S3：根据预处理后的物联运行指标数据和特征选择后的气候数据，建立RF-SVR模型，利用智能优化算法PSO优化RF-SVR模型的参数，获得RF-PSO-SVR模型；S4：通过RF-PSO-SVR模型输出物联运行指标预测结果；所述步骤S3中利用智能优化算法PSO优化气候与物联运行指标预测模型的参数的过程为：C1：设置粒子群算法的参数信息；C2：初始化SVR模型的惩罚参数C、损失函数epsilon、核系数gamma，初始化粒子群算法中粒子的位置和速度，然后计算训练集SVR模型的拟合优度R2作为适应度；C3：不断迭代，更新粒子的位置和速度，并计算出相应的适应度，记录全局最优适应度对应的C、epsilon和gamma；C4：将步骤C3获得的最优参数C、epsilon和gamma带入到测试集SVR模型进行预测。

全文数据：

权利要求：

百度查询： 河海大学 一种基于改进SVR模型的物联运行指标预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD