论文部分内容阅读
基于真实物理模型或数值仿真模型的晶格结构产品设计优化周期过长,阻碍着晶格结构产品更新迭代。支持向量回归(Support Vector Regression,SVR)是一种具有强大的非线性和高维处理能力、预测性能强、对样本需求量小的近似模型,被广泛应用于工程产品设计中替代真实物理模型或数值仿真模型。SVR近似模型的预测精度直接影响设计优化结果的优劣性,如何提高SVR近似模型的预测精度一直是研究的热点,如序贯添加样本点和参数寻优等方法的提出,从样本点选取和模型参数选择方面提高了 SVR近似模型的预测精度