改进的混沌人工蜂群算法-支持向量机漏钢预报模型

摘要

支持向量机(SVM)是连铸漏钢预报的常用方法，针对支持向量机算法参数选取难度较大的问题，提出了一种改进的混沌人工蜂群算法-支持向量机(ICABC-SVM)漏钢预报模型.首先，利用伯努利(Bernoulli)混沌映射初始化蜂群种群，增加种群多样性；其次，引入莱维(Levi)飞行策略，改进蜂群的搜索方式，扩大蜂群的搜索空间；最后，将支持向量机参数作为食物源进行寻优，并结合钢厂的历史生产数据，对ICABC-SVM模型进行训练和测试.结果表明：ICABC算法精度更高，具有良好的自适应能力；ICABC-SVM模型预报准确率为98.57%,报出率为100.00%,兼具实用性与可行性.

关键词

漏钢预报 / 混沌映射 / 人工蜂群算法 / 莱维飞行 / 支持向量机