论文部分内容阅读
根据30组不同电阻和温度下的沥青软化点的实测数据集,应用基于粒子群算法（PSO）寻优的支持向量回归（SVR）方法,并结合留一交叉验证（LOOCV）法对沥青软化点进行了建模和预测研究,将其预测结果与多元线性回归（MLR）模型的计算结果进行了比较。SVR-LOOCV预测的最大误差为2.1℃,远比MLR模型计算的最大误差7.9℃要小得多。统计结果表明：基于SVR-LOOCV预测结果的均方根误差（RMSE=0.75℃）、平均绝对误差（MAE=0.32℃）和平均绝对百分误差（MAPE=0.28%）相应也比MLR回归