寧必鋒
(吉林化工學院理學院,吉林 132022)
MATLAB(Matrix Laboratory,矩陣實驗室),目前是世界上應用最廣泛的科學與工程計算軟件。它提供一種交互式高級編程語言—M語言,筆者用M語言編程來展現(xiàn)MATLAB軟件的功能強、效率高、界面友好等特點[1]。
LIBSVM是臺灣大學林智仁教授等開發(fā)設計的一個便捷、高效的支持向量機模式識別與回歸的軟件包,該軟件包對SVM所涉及的參數(shù)調(diào)節(jié)相對比較少,提供了很多的默認參數(shù),利用這些默認參數(shù)就可以解決很多問題。
(1)支持向量機(SVM)是由VAPNIK等[3]和HUANG等提出的一種基于結(jié)構(gòu)風險最小化的統(tǒng)計學習方法。它能應用于很多領域,如材料性能預測。
(2)實驗數(shù)據(jù)初始化,主要分兩個過程:劃分初始化組和初始化。本文采用高斯型隸屬度函數(shù),它能較準確的初始化信息數(shù)據(jù),能最大限度涵蓋信息數(shù)據(jù)集[4]。
(3)粒子群優(yōu)化算法(PSO)是1995年由KENNEDY和EBERHART提出的一種高效多維并行尋優(yōu)算法。由于SVM依賴于誤差ε、誤差懲罰因子C和核函數(shù)參數(shù)γ,因此對參數(shù)進行優(yōu)化很關鍵。所以用PSO來尋找最佳參數(shù)值。這里采用混沌序列進行PSO的離子位置初始化,加快搜索進程,不會出現(xiàn)局部最優(yōu)解[5]。
Step5 達到最大迭代次數(shù)或達到最優(yōu)解精度,得到全局最優(yōu)解則停止迭代,否則k=k+1。
在工程材料中,某種新型材料以它特有的強度較高、斷裂韌性、機械加工等物理性能而廣泛地應用于框架型材等領域。因此合成此種材料的工藝參數(shù)與其物理性能之間的相關關系模型,一直以來都是研究熱點。
在Matlab軟件2018a版本下,調(diào)用了LIBSVM軟件包,經(jīng)過對實驗數(shù)據(jù)的分析得出結(jié)論:本文優(yōu)化算法得出最優(yōu)解的精度高。對于材料的三個物理性能指標的預測模型的平均相對誤差(MRE)見表1,分別為:0.0203,0.0046,0.0213,與PLS-BPNN算法比較預測精度更高,能夠建立精確度較高的材料加工參數(shù)與物理性能指標之間的相關關系模型。同時也展示MATLAB軟件計算高效,功能強大。
表1 PSO-SVR與PLS-BPNN算法比較
本文建立的優(yōu)化模型,通過MATLAB軟件編程進行實驗數(shù)據(jù)分析和數(shù)值模擬,執(zhí)行程序結(jié)果表明:模型建立準確,數(shù)值計算精度高,從而展現(xiàn)MATLAB軟件工程計算和數(shù)值模擬的強大功能。