[发明专利]一种基于K折交叉验证法的支持向量机近似模型优化方法

摘要

本发明公开了一种基于K折交叉验证法的支持向量机近似模型优化方法，包括建立回弹预测数字模型、运用拉丁超立方抽样进行回弹预测来获取板料移动位移、通过z‑score标准化归一法进行样本数据预处理，最后通过K折交叉验证法优化支持向量机非线性回归近似模型参数；本发明通过K折交叉验证法优化SVM参数，寻优结束后，最终得到的优化结果为：c＝1.6245，g＝4，均方差mse＝0.8066，获得优化结果的3D视图及等高线视图。

主权项

一种基于K折交叉验证法的支持向量机近似模型优化方法，其特征在于：该方法包括以下步骤：(1)确定支持向量机的核函数类型：选择径向基函数作为支持向量机模型的核函数；(2)确定径向基函数的惩罚因子C和核参数σ：取惩罚参数的变化范围为C∈[2‑5，210]，核参数的取值范围为σ∈[2‑5,22]；(3)确定优化目标和优化变量：将零件成形后发生回弹的最大位移量作为优化目标，记为yi＝(blank movement)i，根据使用要求，在不发生破裂等不可修复性缺陷的前提下，最大位移量需小于ymin＝0.5mm；优化变量为板料厚度A、冲压速度B和摩擦因数C；(4)确定样本获取的方法：采用拉丁超立方抽样方法获取100组优化变量试验数据，并通过dynaform平台分别进行车窗升降板的冲压成形有限元数值模拟和结果分析；(5)确定K折交叉验证法的K值：取K＝5，即将上述试验数据分成5组，其中1组作为验证集，其余4组作为测试集，并取验证集的均方差作为评判该模型的误差；(6)数据归一化处理：采用z‑score标准化法对数据进行归一化处理，将不同量纲、数量级的优化变量均归于[‑1，1]区间内；(7)建立优化模型：将C和σ的选择区间用幂函数表达，区间端点为幂函数的指数，采用K折交叉验证算法进行支持向量机回归模型的参数寻优，构建支持向量机近似模型。