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。