高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

蚁群优化最小二乘支持向量机在测量数据拟合中的应用

蒋波涛 Hines J. Wesley 赵福宇

蒋波涛, Hines J. Wesley, 赵福宇. 蚁群优化最小二乘支持向量机在测量数据拟合中的应用[J]. 核动力工程, 2018, 39(6): 156-160. doi: 10.13832/j.jnpe.2018.06.0156
引用本文: 蒋波涛, Hines J. Wesley, 赵福宇. 蚁群优化最小二乘支持向量机在测量数据拟合中的应用[J]. 核动力工程, 2018, 39(6): 156-160. doi: 10.13832/j.jnpe.2018.06.0156
Jiang Botao, Hines J. Wesley, Zhao Fuyu. Application of Ant Colony Optimization Least Squares Support Vector Machine in Measurement Data Fitting[J]. Nuclear Power Engineering, 2018, 39(6): 156-160. doi: 10.13832/j.jnpe.2018.06.0156
Citation: Jiang Botao, Hines J. Wesley, Zhao Fuyu. Application of Ant Colony Optimization Least Squares Support Vector Machine in Measurement Data Fitting[J]. Nuclear Power Engineering, 2018, 39(6): 156-160. doi: 10.13832/j.jnpe.2018.06.0156

蚁群优化最小二乘支持向量机在测量数据拟合中的应用

doi: 10.13832/j.jnpe.2018.06.0156
基金项目: 

国家自然科学基金青年项目(11705135)

西安工程大学博士科研启动基金项目(BS1339)

陕西省教育厅专项科研计划项目(15JK1297)

中国国家留学基金资助项目(201508610045)

详细信息
    作者简介:

    蒋波涛(1982—),男,讲师,博士研究生,主要从事核电厂状态监测及故障诊断方面的研究

  • 中图分类号: TL48

Application of Ant Colony Optimization Least Squares Support Vector Machine in Measurement Data Fitting

  • 摘要: 针对传统数据拟合方法存在依赖用户经验,需预先确定估计拟合函数等缺点,提出一种基于蚁群优化最小二乘支持向量回归机(ACO-LSSVR)的数据拟合方法。该方法采用蚁群优化(ACO)对最小二乘支持向量回归机(LSSVR)的参数进行优化,获取最优参数,从而建立数据拟合模型。将该方法与传统回归拟合方法用于核工程的2个测量数据拟合实例中,得到堆芯功率曲线和熔融液滴在冷却剂中运动特性曲线,将2条曲线的拟合结果进行了比较。结果表明,ACO-LSSVR具有较高的拟合精度且无需对数据分段确定拟合函数。

     

  • 加载中
计量
  • 文章访问数:  392
  • HTML全文浏览量:  53
  • PDF下载量:  2
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-06-30
  • 修回日期:  2018-10-08

目录

    /

    返回文章
    返回