参数优化的SVM模型在高程拟合中的应用

摘要：

为了提高支持向量机(Support Vcctor Machine,SVM)模型在GPS(Global Positioning System)高程拟合中的精度,避免SVM模型在进行高程拟合时参数选取随机性的影响,本文综合粒子群算法(Particle Swarm Optimiza-tion,PSO)与遗传算法(Genetic Algorithm,GA)在参数寻优中的优势,提出了一种基于PSO-GA算法优化的SVM高程拟合模型.该模型通过PSO算法与GA算法寻找SVM模型中最优的参数组合,在提升SVM模型高程拟合精度的同时增强模型的适应性.为了检验本文提出参数优化SVM模型的有效性与优越性,使用实际工程检测数据对本文提出组合高程拟合模型进行性能验证,结果表明较传统的SVM模型、PSO算法优化后的SVM模型以及GA算法优化后的SVM模型,本文提出组合模型能够得到更高的拟合精度与鲁棒性,可为高程拟合方法的研究提供新的思路.

关键词：高程拟合、支持向量机、粒子群算法、遗传算法、模型优化

所属期刊栏目：46

分类号：P228.4(大地测量学)

在线出版日期：2023-08-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：64-67,71