基于SVR模型的数据预测模块设计

   本书创建基于支持向量机回归(Suppo⒒Ⅵctor Regrcssic,n,简称sVR)模型实现对监测参数的数据预测。SVR是在支持向量机(suppo⒒吮ctorMachine,sVM)的基础上引入ε(不敏感损失函数)得到的,使用sVR进行回归拟合的原理是求得一个使所有训练样本和其距离的误差最小的最优分类面u]。 K3PE0E000E-PGC2如图5.49所示,sVR的函数结构中输出节点是各个中间节点的线性组合。这和神经网络的结构大同小异,其中每个中间节点都对应着一个支持向量。

   以钨矿尾矿库的1#断面6号监测点的历史浸润线数据为例,创建SVR

回归模型,其算法具体建模过程。