基于粒子群算法的RBF-SVM沙尘暴预测模型参数优化（2008年）

简介：
本文提出了一种利用粒子群优化算法改进径向基函数支持向量机(RBF-SVM)参数的方法，以提高沙尘暴预测模型的准确性与效率。研究于2008年完成。 为了提高沙尘暴预报的准确性,本段落对现有的RBF-SVM沙尘暴预报模型中的参数优化进行了研究。通过将基本粒子群优化算法(SPSO)中粒子的速度与位置对应到RBF-SVM模型的参数上，用于沙尘暴预测。为解决SPSO算法容易陷入局部最优解的问题，提出了一种改进的粒子群算法(WPSO)，该方法采用自适应调节惯性权重的方式，并对沙尘暴预报模型中的RBF-SVM参数进行了优化。仿真结果显示，无论是使用SPSO还是WPSO算法，在优化RBF-SVM沙尘暴预报模型参数方面都表现出色，相较于传统的SVM方法，预报准确率分别提高了22.3%。