基于PSOEM优化LSSVM的接地网腐蚀预测研究
Smart Power(2020)
Abstract
通过腐蚀试验获得60组110 kV变电站土壤成分数据及相应的金属片腐蚀速率,对60组样本数据进行灰色关联分析,结果表明Cl-含量、pH值、含水量和含盐量是接地网腐蚀的主要原因,并以此作为接地网腐蚀预测模型选择支持向量的依据.为提高最小二乘支持向量机模型的预测精度,采用扩展记忆粒子群算法对最小二乘支持向量机的惩罚因子和核函数参数进行寻优,建立基于PSOEM优化LSSVM的接地网腐蚀预测模型.应用试验数据进行仿真分析,结果表明,PSOEM-LSSVM模型在训练拟合和外推预测方面效果更好.
MoreAI Read Science
Must-Reading Tree
Example
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined