基于粒子群优化支持向量机的火电厂主汽温预测模型

摘要

针对支持向量机在大规模训练中算法收敛速度慢、复杂程度高等问题,采用量子粒子群算法选取最小二乘支持向量机的模型参数,避免了人为选择参数的盲目性,提高了预测模型的训练速度和泛化能力.实验结果表明,该算法具有容易实现、节省计算成本、提高收敛速度等优点,应用于火电锅炉主汽温预测模型,取得良好的效果.