群智能优化算法优化支持向量机的方法及应用
来源：电子测量技术杂志2019年第7期北京时间：
作者：崔丽洁，程换新，刘军亮，张远绪
摘要：水质评价过程具有多变量、非线性、不确定等特点，传统的粒子群算法训练神经网络的水质评价模型收敛速度慢、泛化性能差。为了克服传统模型的缺点，提出了利用动态多种群粒子群算法训练支持向量机的模型，并利用多种群粒子群算法优化支持向量机结构参数。该模型结合了粒子群算法的搜索性能以及支持向量机的高效性、强鲁棒性等优点，提高了模型的泛化能力。通过对新疆某流域站点的水文数据进行仿真，结果得出该方法的相对误差为2.74%，远低于传统粒子群算法4.21%的相对误差，由此证明该模型的应用效率及精度得到提高，适用于日常水质评价工作。
关键词：水质评价;动态多种群粒子群算法;支持向量机
