基于支持向量機(jī)參數(shù)優(yōu)化的木材干燥過(guò)程建構(gòu)研究.pdf

1、木材干燥是改善木材物理力學(xué)性能、合理使用木材、減少木材降等損失、提高木材利用率的重要技術(shù)措施,也是保證木制品質(zhì)量的關(guān)鍵技術(shù)之一。由于木材干燥過(guò)程表現(xiàn)出強(qiáng)非線性,用常規(guī)的基于線性模型的控制則達(dá)不到優(yōu)化控制的目的和控制效果,因此建立能夠準(zhǔn)確完整地描述木材干燥規(guī)律的模型是實(shí)現(xiàn)木材干燥全自動(dòng)控制、提高控制水平的關(guān)鍵。
　　 支持向量機(jī)作為一種新的基于統(tǒng)計(jì)學(xué)習(xí)理論的機(jī)器學(xué)習(xí)方法,具有泛化能力強(qiáng)、全局最優(yōu)和計(jì)算速度快等突出優(yōu)點(diǎn),而適用于強(qiáng)非

2、線性、強(qiáng)耦合、大滯后特點(diǎn)的木材干燥過(guò)程建模。預(yù)測(cè)模型的擬合精度和泛化能力直接取決于相關(guān)參數(shù)的選取,但由于缺乏通用理論和方法的指導(dǎo),在一定程度上影響了支持向量機(jī)的應(yīng)用效果。本文針對(duì)支持向量機(jī)參數(shù)選取問(wèn)題,研究基于支持向量機(jī)參數(shù)優(yōu)化的木材干燥過(guò)程建模。通過(guò)分析支持向量機(jī)參數(shù)對(duì)木材干燥基準(zhǔn)模型性能的影響,本文將參數(shù)選取視為組合優(yōu)化問(wèn)題,建立目標(biāo)函數(shù),將微粒群優(yōu)化算法和遺傳算法分別應(yīng)用于支持向量機(jī)預(yù)測(cè)模型中,實(shí)現(xiàn)了參數(shù)的自動(dòng)選取、優(yōu)化。建立基于

3、PSO-SVM和GA-SVM木材干燥模型,仿真結(jié)果表明,以上兩種群智能優(yōu)化算法均能有效地選取支持向量機(jī)木材干燥模型參數(shù),與遺傳算法相比,微粒群優(yōu)化算法在木材干燥過(guò)程建模中表現(xiàn)出了更好的學(xué)習(xí)和推廣能力,所產(chǎn)生的木材干燥模型預(yù)測(cè)可達(dá)性更好。
　　 為了實(shí)現(xiàn)木材干燥過(guò)程在線建模,針對(duì)木材干燥過(guò)程中試材樣本數(shù)據(jù)存在較多噪聲,支持向量機(jī)在訓(xùn)練過(guò)程中不能區(qū)分出樣本冗余、有用與否的問(wèn)題,本文引入核主成分分析方法對(duì)木材干燥數(shù)據(jù)進(jìn)行預(yù)處理。利用優(yōu)