利用蜂群算法优化的区域高程拟合精度分析

发布时间：2021-05-08 03:39

　　针对最小二乘支持向量机拟合法的拟合参数难以选取的问题,提出将人工蜂群算法引入最小二乘支持向量机建立高精度区域拟合模型的方法。人工蜂群算法可对最小二乘支持向量机中的参数进行全局性追踪搜索,模仿蜜蜂的采蜜过程,将参数的初选值作为蜜源,最小二乘支持向量机预测的平均平方误差作为目标函数,在一定范围内经过迭代更新确定最佳参数,最终建立精度较高的全球定位系统（GPS）高程拟合模型。实验结果表明,相比常规最小二乘支持向量机拟合法,ABC-LSSVM组合方法构建的拟合模型精度提高了28%,在此同时,该组合方法比BP神经网络拟合法的收敛效果更高、稳定性更佳,证明了ABC-LSSVM组合方法在GPS高程拟合模型构建中的有效可行性,为GPS高程拟合模型的建立提供一定的参考价值。 

【文章来源】：科学技术与工程. 2020,20(16)北大核心

【文章页数】：6 页

【文章目录】：
1 基本理论
    1.1 人工蜂群算法
    1.2 最小二乘支持向量机
2 ABC优化LSSVM
3 实验分析
    3.1 采集研究数据
    3.2 拟合模型精度分析
4 结论


【参考文献】：
期刊论文
[1]基于ABC-RNN算法的机器嗅觉系统[J]. 朱煜枫,王宁诚,许磊,吴枫.  武汉大学学报(理学版). 2019(03)
[2]基于人工蜂群的新型圆形交通标志识别算法[J]. 董娜,刘欣宇,吴爱国.  天津大学学报(自然科学与工程技术版). 2019(06)
[3]基于人工蜂群算法的岩土边坡稳定性测度分析[J]. 刘莉莎,王伟,彭第.  科学技术与工程. 2019(08)
[4]基于自适应粒子群参数优化的最小二乘支持向量机用电量预测模型[J]. 徐龙秀,辛超山,牛东晓,安琪,袁程浩,肖瑶.  科学技术与工程. 2019(06)
[5]利用粒子群算法优化的GPS高程拟合精度分析[J]. 蒲伦,唐诗华,罗洁,肖燕,邢鹏威.  测绘科学技术学报. 2018(06)
[6]基于相空间重构的FOA-GLSSVM深基坑变形预测模型研究[J]. 谢洋洋,吴大鹏,付超,周杰,史益军.  大地测量与地球动力学. 2018(10)
[7]GPS高程拟合的不同估计方法比较[J]. 唐诗华,袁隆疆,王江波,肖阳,蒲伦.  桂林理工大学学报. 2018(03)
[8]基于粒子群优化支持向量机的短期负荷预测[J]. 杨小明,崔雪,周斌,彭政.  武汉大学学报(工学版). 2018(08)
[9]利用EGM2008模型与地形改正进行GPS高程拟合[J]. 刘斌,郭际明,史俊波,吴迪军.  武汉大学学报(信息科学版). 2016(04)



本文编号：3174600