论文部分内容阅读
以径向基函数作为核函数,利用微粒群（PSO）算法的全局寻优特性进行支持向量机（SVM）的参数辨识.在微粒群搜索参数前,先对参数进行指数变换,使[0,1]和[1,∞]有着相同的搜索概率.微粒群算法的适应值函数是以支持向量机模型的推广能力为标准的,讨论了测试样本的最小误差和留一法对支持向量机学习方法推广能力的两种估计.最后以长江宜昌站的月径流资料为例,分别采用ARMA模型、季节性ARIMA模型、BP神经网络模型以及所建立的支持向量机模型进行模拟预测,结果显示了该模型的有效性.