果蝇优化算法在区域高程拟合中的应用

发布时间：2020-12-31 14:41

　　针对最小二乘支持向量机拟合法难以选择最优参数的问题,将果蝇优化算法引入最小二乘支持向量机中,构建区域GPS高程拟合模型的方法,利用果蝇优化算法全局寻优能力强、过程简洁、参数少等优点,解决最小二乘支持向量机的参数寻优问题,并通过最小二乘支持向量机来构建高程拟合模型。结果表明,与BP神经网络拟合方法相比,引入果蝇优化算法的最小二乘支持向量机拟合方法具有更高的稳定性,内符合精度比标准最小二乘支持向量机提高了26%。 

【文章来源】：水力发电. 2020年03期 北大核心

【文章页数】：4 页

【部分图文】：

果蝇优化算法流程

由表2和图2可知，相比于BP神经网络、LSSVM拟合方法拟合结果，FOA-LSSVM拟合方法拟合结果波动较小，尤其是相对于常规的LSSVM拟合方法而言，拟合精度更加稳定，总体的波动范围也有所减小，充分证明了该组合方法的现实性及有效性，并且确保了在区域范围内进行拟合模型建立的稳定性。5 结语

【参考文献】：
期刊论文
[1]基于测井参数的页岩有机碳含量支持向量机预测[J]. 李泽辰,杜文凤,胡进奎,李冬.  煤炭科学技术. 2019(06)
[2]基于蚁群算法的多面函数在GPS高程拟合中的应用[J]. 蒲伦,唐诗华,张紫萍,胡新凯,肖燕.  大地测量与地球动力学. 2019(01)
[3]一种基于蚁群算法的山区GPS高程异常拟合方法[J]. 蒲伦,唐诗华,张紫萍,李宗婉,张炎.  测绘通报. 2018(08)
[4]基于果蝇优化的随机森林预测方法[J]. 赵东,臧雪柏,赵宏伟.  吉林大学学报(工学版). 2017(02)
[5]一种改进的适用于不同地形的GPS高程拟合模型[J]. 田晓,郑洪艳,许明元,张超.  测绘通报. 2017(01)
[6]基于粒子群优化算法的LS-SVM的GPS高程拟合[J]. 高红,文鸿雁,聂光裕,杨志,韩亚坤.  桂林理工大学学报. 2016(02)
[7]基于果蝇优化算法的小波域数字水印算法[J]. 肖振久,孙健,王永滨,姜正涛.  计算机应用. 2015(09)
[8]基于灰色最小二乘支持向量机的大坝变形预测[J]. 任超,梁月吉,庞光锋,蓝岚.  大地测量与地球动力学. 2015(04)
[9]自然样条半参数模型的GPS高程拟合方法[J]. 康双双,张春芳,李科杰.  人民长江. 2015(14)
[10]LSSVM回归模型在局部区域GPS高程拟合中的应用[J]. 吴吉贤,杜海燕,张耀文.  测绘科学. 2013(06)



本文编号：2949796