基于PSO优化支持向量回归网络的大曲温湿度预测研究

温度与湿度是高温大曲发酵质量的关键性评价指标,为了精准预测大曲发酵过程中的温湿度,提出基于粒子群算法(PSO)优化支持向量回归(SVR)网络的预测一次翻曲坯温度与湿度的方法。结合大曲发酵过程的特性及数据集,构建SVR网络预测模型,采用粒子群算法优化SVR支持向量回归结构参数,得到较好的预测模型。结果表明,与传统SVR支持向量回归相比,预测精度有明显提高,该方法能够精确地预测一翻温湿度。

基于SVR的工程建设项目快速投资估算方法研究

在建设项目前期,如何快速而准确地估算工程项目的造价,对项目的投资决策具有很大的意义。针对传统造价估算方法的不足之处,采用SPSS统计分析软件进行工程造价指标的相关性分析及指标体系选取,将之作为输入变量,使用真实案例训练集样本训练SVR模型并进行仿真模拟预测。为了验证提出的SVR模型的有效性,引入BP人工神经网络来进行预测结果的对比验证。结果表明,SVR模型得到的预测值平均绝对百分比误差约为5%,拟合优度R2高达0.97,远小于BPNN模型的预测误差14%,即提出的SVR估算模型要比BP人工神经网络预测模型具有更良好的泛化能力,预测精度更高,因此其在工程项目前期投资估算实践中具有一定的现实意义。