基于最小二乘支持向量机的蜡沉积速率预测

考虑蜡沉积影响因素的复杂性和最小二乘支持向量机在小样本预测方面的优势，基于最小二乘支持向量机预测的原理，通过优化最小二乘支持向量机的参数，建立了蜡沉积速率的预测模型，并对蜡沉积速率进行了预测。结果表明：该方法在样本数量较小时仍具有较高的精度，蜡沉积速率的预测值和实验值的吻合程度较好；最小二乘支持向量机建模时可以得到直观的函数表达式，而神经网络方法却不能得到模型的显式表达式，因此该方法具有明显的优势；应用径向基核（RBF）作为核函数时，不同初值的正则化参数γ和核函数宽度σ对预测结果具有较大影响，使用时应合理选择。