论文部分内容阅读
为提高地铁站空调系统能耗的预测精度,利用最小二乘支持向量机(Least Squares Support Vector Machines,LS-SVM)建立能耗预测模型是一种有效的方法。但是LS-SVM在处理大规模数据集的回归问题时难以确定最佳模型参数值,较大程度地影响了模型的拟合精度和泛化能力。为此,提出一种从算法搜索步长和搜索方向这2个方面进行改进的人群搜索算法(Improved Seeker Optinfization Algorithm,ISOA)对LS—SVM建模过程中的模型参数进行优化选择。将所