自由搜索算法在便携式无线墒情综合监测仪预测墒情中应用

《自由搜索算法在便携式无线墒情综合监测仪预测墒情中应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、-自由搜索算法在便携式无线墒情综合监测仪预测墒情中的应用摘要便携式无线墒情综合监测仪（BTZS-GPRS）作为土壤墒情监测的有效利器而得到广泛的应用。为有效地利用墒情监测资料预测未来墒情，考虑支持向量机的结构风险最小化准则和自由搜索算法良好的全局优化特点，以及应用最小二乘支持向量机方法，构造了优化目标函数，引入自由搜索算法对该目标函数寻优从而辨识模型参数，建立了预测墒情的最小二乘支持向量机(LS—SVM)模型．实例分析表明，支持向量机方法对墒情序列的平稳性要求不高，且模型易于实现，与传统的时间序列模型以及基于粒子群算法和鱼群算法的LS—SVM模型

2、相比，基于自由搜索算法的LS．SVM模型具有较好的模拟及预测精度，相对误差小于15％的模拟值及预测值分别达到了100％和94．4％．关键词时间序列分析；支持向量机；自由搜索；粒子群算法；鱼群算法一、引言Vapnik等人于1995年提出的支持向量机(Supportvectormachines，SVM)是在有限样本条件下对统计学习理论中的VC维和结构风险最小化原理的具体实现，与传统的机器学习方法比，SVM以结构风险最小化准则代替了传统的经验风险最小化准则，求解的是一个二次型寻优问题，从理论上说得到的将是全局最优点，解决了传统机器学习方法中无法避免的局

3、部极值问题，表现出了很多优于已有机器学习方法的性能[1-2】．与Vapnik的支持向量机不同，由Suykens和Vandewalle提出的最tJ、--乘支持向量机(Leastsquaresupportvectormachines，LS—SVM)是标准SVM的一种扩展【3J．与以往SVM采用二次规划求解不同，LS—SVM采用最小二乘线性系统作为损失函数，用等式约束代替不等式约束，使求解过程仅仅变成了解一组等式方程，从而避免了耗时的二次规划问题，并且LS—SVM不再需要指定不敏感损失函数．农田土壤水动态及其转化是降水、地表水、土壤水、地下水转化过程中

4、的中一5-环节，对于水土资源的可持续利用和农业生产的可持续发展有着重大的理论和实践意义．由于受多种因素的影响，在气候变迁、生态环境变化、季节交替、作物生长周期、天气情况以及一些随机因素的综合作用下，墒情随时间的变化会呈现出一定的趋势性、周期性和随机性，这种变化规律一般可用时间序列模型描述[4-8】．本文充分利用LS．SVM的优点和自由搜索(Free.---search，Fs)【9】算法良好的全局优化特点，建立基于FS的LS．SVM模型预测墒情，并与传统的时间序列模型以及基于其它智能算法的LS—SVM模型相比较，以期为预测墒情提供一种简便和预测精度

5、更高的方法．二、墒情预测的LS-SVM模型引入LS—SVM回归算法建立墒情序列预测模型，.---三、基于FreeSearch的LS-SVM参数优化求解3．1SVM参数优化的典型算法正则化参数、不敏感损失函数以及核函数对SVM算法起着非常重要的作用，这些参数的优化调整仍是SVM应用研究的—个重点．对于LS—SVM，当选择径向基函数为核函数时，只需要调整正则化参数7和核宽度参数or，因而这两个参数在很大程度上决定了LS-SVM的学习能力和泛化性能[10-ll】．然而7和or对LS—SVM性能的影响在理论上没有必然的联系，所以7和盯的取值成为—个难题，

6、在实际应用中并没有切实可行的调节方法【1l】．文献[10]、文献[12】分别通过交叉验证和自适应的方法对SVM参数进行优化选择，文献【13将贝叶斯证据框架应用于LS-SVM模型参数的选择，与其他传统方法相比，该方法能够实现正则化参数的自动选择，而不用将数据进行交叉验证．在应用智能优化算法方面，文献【14】采用遗传算法对SVM参数进行寻优，避免了对参数的反复试凑过程，自动实现了参数选择，提高了SVM的泛化能力；文献f15】采用改进的人工鱼群算法将特征选择、加权系数、SVM参数进行并行优化的方法，仿真结果表明并行优化能够在更短的时间内.---进行最有

7、效的故障特征提取，并且提高了SVM的性能，改进人工鱼群算法能够以更快的速度达到最终的优化结果．文献【11]使用遗传算法和粒子群算法进行的参数寻优，也取得了满足实际工程需要的较好的仿真效果．在求解SVM参数时，上述各种典型算法均取得了一定的阶段性研究成果，相对而言，智能算法能够以比试凑法更高效率地向最优值逼近．针对同—个优化问题，不同算法会得到不同优化结果的现实表明，实际问题往往还“有优可寻”，此时算法的有效性将显得尤为重要，因此，如何将各种先进的算法引入到SVM参数寻优中仍将是SVM研究的一大热点．FS是由Penev和Littlefair提出的一

8、种算法，也是一种基于群体的优化方法，且具有良好的寻优能力【9】．在Fs的概念模型中，动物群体凭借多次的离散运动通过多维搜索空间，在搜索过