基于改进的支持向量机制冷陈列柜优化模型

采用指数加权移动平均(EWMA)滤波器对实际运行数据剔除野值,利用改进的自适应支持向量机(ASVM)建立远置立式敞开型制冷陈列柜性能模型,并通过动态损失系数调整而实现支持向量机的自适应.理论分析和仿真实验结果表明:与反向传播神经网络(BPNN)模型相比,AS-VM模型结构简单、运算速度快和泛化能力强;所建立的陈列柜仿真模型切实可行,优化后陈列柜的单位展示面积每日耗电量可降低20.7%.