基于改进SSA-LSSVM模型的超声波氧气浓度在线估计方法

孙伟男; 刘瑜; 扶艺辉; 陈昭克; 王明杰

doi:10.16339/j.cnki.jsjsyzdh.202504003

计算技术与自动化 ›› 2025, Vol. 44 ›› Issue (04) : 13 -20. DOI: 10.16339/j.cnki.jsjsyzdh.202504003

基于改进SSA-LSSVM模型的超声波氧气浓度在线估计方法

孙伟男, 刘瑜, 扶艺辉, 陈昭克, 王明杰

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对氧气浓度预测在样本数量较少时难以建立准确测量模型以及预测精度不高的问题，提出了一种基于改进麻雀搜索算法(ISSA)优化的最小二乘支持向量机模型(LSSVM)的超声波氧气浓度在线估计方法。首先针对麻雀搜索算法(SSA)易陷入局部最优的问题，引入改进Sine混沌映射优化种群初始参数，引入Lévy飞行策略对SSA跟随者位置更新方式进行改进。应用4种基准测试函数检验ISSA的性能，结果显示ISSA有效提升了收敛速度和寻优能力。然后构建ISSA-LSSVM超声波氧气浓度预测模型，基于实际数据的实验结果表明，ISSA-LSSVM模型在氧气浓度预测中准确率达到99.87%,验证了所提出方法的有效性。