基于混合智能算法的支持向量机的粮食产量预测

TP391.4; 考虑到粮食产量的非线性,提出一种基于混合智能算法的支持向量机的预测模型,针对粒子群算法(PSO)易于陷入局部最优的特点,融合改进的粒子群算法(GAPSO)以及人工鱼群算法(AF-SA)得到混合智能算法(GAPSO-AFSA),通过种群自身内部的变异交叉以及族外竞争机制,使得目标函数值向全局最优解快速收敛,提高了算法的全局搜索能力,最终得到支持向量机的最优参数组合.将支持向量机预测模型用于中国粮食产量预测中,通过试验验证了模型的正确性,并证实了该预测模型拥有较好的预测效果....

Full description

Saved in:
Bibliographic Details
Published in江苏大学学报（自然科学版） Vol. 41; no. 3; pp. 301 - 306
Main Authors 高心怡, 韩飞
Format Journal Article
LanguageChinese
Published 江苏大学计算机与通信工程学院,江苏镇江,212013 01.05.2020
Subjects
粒子群算法
支持向量机
混合智能算法
人工鱼群算法
粮食产量
Online AccessGet full text

Cover

More Information
Summary:TP391.4; 考虑到粮食产量的非线性,提出一种基于混合智能算法的支持向量机的预测模型,针对粒子群算法(PSO)易于陷入局部最优的特点,融合改进的粒子群算法(GAPSO)以及人工鱼群算法(AF-SA)得到混合智能算法(GAPSO-AFSA),通过种群自身内部的变异交叉以及族外竞争机制,使得目标函数值向全局最优解快速收敛,提高了算法的全局搜索能力,最终得到支持向量机的最优参数组合.将支持向量机预测模型用于中国粮食产量预测中,通过试验验证了模型的正确性,并证实了该预测模型拥有较好的预测效果.
ISSN:1671-7775
DOI:10.3969/j.issn.1671-7775.2020.03.009