|
|||||
|
|
| SVR优化算法及其在蓄电池容量预测中的应用 | |
| 引用本文： | 曹龙汉,吴帆,黄剑,陈学军.SVR优化算法及其在蓄电池容量预测中的应用[J].仪器仪表学报,2009,30(6). |
| 作者姓名： | 曹龙汉 吴帆 黄剑 陈学军 |
| 作者单位： | 1. 重庆通信学院控制工程重点实验室,重庆,400035;重庆大学自动化学院,重庆,400044 2. 重庆通信学院控制工程重点实验室,重庆,400035 3. 重庆大学自动化学院,重庆,400044 4. 中国四联仪器仪表集团公司技术中心,重庆,401121 |
| 基金项目： | 科技部国际科技合作项目，重庆市重点科技攻关项目 |
| 摘 要： | 提出一种优化的支持向量机回归算法(SVR)并应用于阀控密封铅酸蓄电池(VRLA)的容量预测.选定径向基函数作为支持向量机同归算法的核函数,分别使用遗传算法和遗传退火算法对核参数进行寻优,在此基础上建立了蓄电池容量预测模型.比较了在遗传算法和遗传退火算法两种参数优化方法下支持向量机回归算法对VRLA容量预测的精准度.仿真结果表明,基于遗传退火算法寻优的支持向量机回归算法用于VRLA容量预测的性能优于单一的遗传寻优算法. |
| 关 键 词： | 支持向量机回归 遗传退火算法 VRLA蓄电池 容量预测 |
SVR optimization and its application to capacity prediction of VRLA batteries |
|
| Cao Longhan,Wu Fan,Huang Jian,Chen Xuejun.SVR optimization and its application to capacity prediction of VRLA batteries[J].Chinese Journal of Scientific Instrument,2009,30(6). | |
| Authors: | Cao Longhan Wu Fan Huang Jian Chen Xuejun |
| Abstract: | |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ | |
