基于SVR模型的數據預測模塊設計

   本書創建基于支持向量機回歸(Suppo⒒Ⅵctor Regrcssic,n,簡稱sVR)模型實現對監測參數的數據預測。SVR是在支持向量機(suppo⒒吮ctorMachine,sVM)的基礎上引入ε(不敏感損失函數)得到的,使用sVR進行回歸擬合的原理是求得一個使所有訓練樣本和其距離的誤差最小的最優分類面u]。 K3PE0E000E-PGC2如圖5.49所示,sVR的函數結構中輸出節點是各個中間節點的線性組合。這和神經網絡的結構大同小異,其中每個中間節點都對應著一個支持向量。

   以鎢礦尾礦庫的1#斷面6號監測點的歷史浸潤線數據為例,創建SVR

回歸模型,其算法具體建模過程。