基于復雜度指數(shù)的遺傳算法優(yōu)化多維支持向量回歸及其在氣體水合物中的應用.pdf

1、氣體水合物法作為一種新興的海水淡化技術正在引起人們的廣泛關注。海水淡化處理過程中工藝參數(shù)最佳組合的確定問題，成為影響其處理效果的關鍵因素之一。傳統(tǒng)的實驗方法不僅成本高昂、操作繁雜，且難以保證獲得最優(yōu)工藝數(shù)據(jù)，如何利用計算機領域的相關技術解決這一困難就成為一個研究熱點。本文提出了應用支持向量回歸算法對氣體水合物形成過程進行擬合，以獲得條件參數(shù)與性能之間的映射關系的方法。主要完成的工作包括：
　?。?）支持向量回歸算法在進行回歸預測時

2、，需要選擇合適的參數(shù)才能取得較好的運行效果。對其參數(shù)的確定，目前往往依靠經(jīng)驗選取，存在很大的隨意性。為解決這一問題，引入了全局隨機尋優(yōu)的遺傳算法進行參數(shù)優(yōu)化，避免人工干預實現(xiàn)算法的自動化。在完成了遺傳優(yōu)化支持向量回歸模型的基礎上，進行了相關的實驗設計和驗證工作，其結(jié)果表明了模型的準確性。但同時發(fā)現(xiàn)，由于遺傳算法初代種群隨機性大，導致需要很多代數(shù)的遺傳才能達到最優(yōu)解，使得運行時間較長。
　　（2）為了解決遺傳優(yōu)化支持向量回歸模型的時

3、間效率問題，設計并定義了復雜度指數(shù)，以此來確定支持向量回歸參數(shù)的近似值，從而減少初始種群選取的盲目性。通過實驗尋找復雜度指數(shù)與支持向量回歸參數(shù)之間的規(guī)律，并將基于復雜度指數(shù)的遺傳優(yōu)化支持向量回歸模型與傳統(tǒng)支持向量回歸機、遺傳優(yōu)化支持向量回歸模型進行了對比實驗驗證工作，給出了模擬實驗結(jié)果。
　?。?）研究了多維支持向量機理論，并將其應用到基于復雜度指數(shù)的遺傳優(yōu)化支持向量回歸模型中。以多維函數(shù)映射得出的數(shù)據(jù)為樣本，進行了多維模型的實驗