针对暖通空调(HVAC)系统,提出一种基于粒子群优化(PSO)算法和最小二乘支持向量机(LSSVM)的预测控制方法。该方法利用LSSVM建立HVAC系统预测模型并预测系统的输出值,引入输出反馈和偏差校正以克服模型失配等因素引起的预测误差,以此构造加权预测控制性能指标。由PSO算法滚动优化得到系统的最优控制量。利用该控制方法对一个HVAC系统进行仿真实验,结果表明该方法具有较好的控制效果。

遗传算法嵌入粒子群算法优化LSSVM回归预测模型 pso-ga-lssvm 遗传算法嵌入粒子群算法优化LSSVM回归预测模型 直接替换数据就可以运行

将ga算法嵌入pso算法组合优化lssvm分类模型 替换数据就行

烟气含氧量是影响火电厂锅炉运行安全性和经济性的一个重要因素,影响锅炉烟气含氧量的因素多而复杂,对烟气含氧量特性进行建模与控制是实现锅炉正常运行的基础。借助现场运行数据,根据锅炉烟气含氧量的特性,建立基于最小二乘支持向量机(LSSVM)的锅炉烟气含氧量预测模型。在此基础上结合全局寻优的混合粒子群算法(PSO),对锅炉烟气含氧量进行控制。仿真结果表明:该方法能够比较准确地对火电厂锅炉烟气含氧量进行测量和控制,为锅炉燃烧系统的闭环控制与优化运行提供了新的手段。

大数据-算法-非线性LSSVM逆系统主动容错控制方法研究.pdf

LSSVM数据分类与测试,matlab2021a测试。

1.两种优化算法 GA优化LSSVM参数 PSO优化LSSVM参数 2.多输入单输出回归预测模型 3.结果丰富 有适应度曲线 预测结果图 误差图

LSSVM做回归希望对大家有用-源程序以及数据.rar 源代码 %% ==============清除代码窗口和工作空间=============== clc; clear; %% ==================下载数据======================= load surdata1.mat; load surdata2.mat; load wearvol.mat; load workcondition.mat; %% ==================训练数据======================== % 数据预处理 xx=surdata1'; yy=surdata2'; zz=wearvol; ww=workcondition; % 训练数据提取 X=ww; X=xx; Y=yy; %% =====================测试数据===================== Xt=ww; Xt=xx; %% =====================模型初始化===================== type = 'function estimation'; kernel = 'RBF_kernel'; gam = 100;                 % Regularization parameter sig2 = 0.01;              % Kernel parameter (bandwidth in the case of the 'RBF_kernel' % 寻优之后的参数 % gam =  0.0869335 ;                 % Regularization parameter % sig2 =  83.8678 ;              % Kernel parameter (bandwidth in the case of the 'RBF_kernel' %% =====================参数寻优====================== model = initlssvm;                 % 模型初始化 costfun = 'crossvalidatelssvm'; costfun_args = {10,'mse'}; optfun = 'gridsearch'; model = tunelssvm;   % 模型参数优化 %% ======================测试数据======================= model = trainlssvm;  % 训练 Yp = simlssvm; %% ======================结果显示======================== figure; plot,Yp,'ro:') hold on plot,Yp,'b*:') hold on plot,Yp,'k :') grid on; 源程序以及数据.rar

这个资源很适合初学者 大家如果想对LSSVM多了解的话，这个工具箱是个不错的选择！

【预测模型】基于粒子群算法优化最小二乘支持向量机lssvm实现预测附matlab源码2