筆者采用MATLAB計(jì)算機(jī)軟件構(gòu)建7005鋁合金的力學(xué)性能參數(shù)與加工鋁合金的工藝參數(shù)之間的模型，以此來(lái)呈現(xiàn)MATLAB軟件的數(shù)值計(jì)算和數(shù)據(jù)擬合功能，在Matlab軟件中，對(duì)有關(guān)聯(lián)性的數(shù)據(jù)集進(jìn)行模糊化處理，用支持向量機(jī)回歸分析（SVR）對(duì)模糊化后數(shù)據(jù)進(jìn)行建模和分析。結(jié)果表明MATLAB軟件建立的模型合理，數(shù)值擬合精度高。

【關(guān)鍵詞】Matlab軟件 SVM算法

Matlab計(jì)算機(jī)軟件建模和數(shù)值擬合的功能十分強(qiáng)大，在此筆者采用MATLAB軟件構(gòu)建7005鋁合金的力學(xué)性能參數(shù)與加工鋁合金的工藝參數(shù)之間的模型，以此來(lái)呈現(xiàn)MATLAB軟件的數(shù)值計(jì)算和數(shù)據(jù)擬合功能 。

1 模糊化的SVM回歸模型的建立

（1）信息數(shù)據(jù)模糊化，主要分兩個(gè)過(guò)程：劃分模糊化組和模糊化。其中本模型采用高斯型隸屬度函數(shù)較準(zhǔn)確的模糊化信息數(shù)據(jù)，可以比三角型隸屬度函數(shù)信息采集量的貼近度更好。最大限度涵蓋信息數(shù)據(jù)集。

（2）支持向量機(jī)（SVM）是由VAPNIK等和 HUANG等提出。該方法已被成功地應(yīng)用于很多領(lǐng)域，如材料性能預(yù)測(cè)。

（3）混沌初始化。本文在算法的前期充分利用混沌序列遍歷性和隨機(jī)性。避免了在算法后期搜索速度慢。文章采用的混沌序列迭代公式是典型的混沌動(dòng)力學(xué)系統(tǒng)Logistic方程

（4）粒子群個(gè)算法（PSO）是于 1995 年由 KENNEDY 和 EBERHART模擬鳥(niǎo)群的飛行捕食行為而提出的一種高效多維并行尋優(yōu)算法。因?yàn)?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(duì)（ε，С，γ）參數(shù)進(jìn)行優(yōu)化很關(guān)鍵。所以用PSO 算法和混沌方程的遍歷性，使初始位置有次序、不重不漏的進(jìn)行參數(shù)優(yōu)化。

2 算法流程

Step1，初始化：

步驟1 初始化 粒子的位置（，i=1，2…N）和（，i=1，2…N），

步驟2 利用公式計(jì)算每個(gè)粒子的目標(biāo)函數(shù)值R（）。

步驟3 初始化粒子的各自最好位置，預(yù)分配個(gè)體最好位置= 且 R（）=R（） （i=1，…N）. 初始化當(dāng)前代全局最優(yōu)解的位置，尋找

=min{R（），…R（），…R（）}

并且初始化=和 R（）=R（）.

Step2， 優(yōu)化過(guò)程

步驟 1在當(dāng)前代中繼續(xù)計(jì)算初始化混沌序列并且轉(zhuǎn)化混沌序列為粒子的位置和速度。

步驟 2 執(zhí)行支持向量機(jī)回歸過(guò)程，然后進(jìn)行速度更新。

步驟3 根據(jù)公式來(lái)更新粒子位置，根據(jù)公式來(lái)計(jì)算每個(gè)粒子的目標(biāo)函數(shù)值f （）。

步驟4 更新個(gè)體最好目標(biāo)函數(shù)適應(yīng)值：

步驟5 增加迭代步數(shù) k=k+1.

Step3 停止迭代的條件被滿足。全局最優(yōu)解和目標(biāo)函數(shù)值R（）.

3 MATLAB軟件的執(zhí)行結(jié)果和討論分析

在Matlab軟件環(huán)境下編程執(zhí)行，調(diào)用了LIBSVM工具箱，在Microsoft Visual C++6.0版本下編譯調(diào)用了svmtrain.c和 svmpredict.c程序，通過(guò)3組實(shí)驗(yàn)數(shù)據(jù)得出結(jié)果。

由表1中實(shí)驗(yàn)數(shù)據(jù)證明經(jīng)PSO-SVR法預(yù)測(cè)硬度、抗拉強(qiáng)度、屈服強(qiáng)度的結(jié)果相對(duì)變化率（ROC%）分別為：1.29、4.31、3.12.與PLS-BPNN相比相對(duì)變化率降低很多。這表明：PSO-SVR法的預(yù)測(cè)精度要高。

4 結(jié)論

在MATLAB計(jì)算機(jī)軟件中PSO-SVM法的預(yù)測(cè)7005鋁合金力學(xué)性能指標(biāo)相比PLS-BPNN較好，能夠建立精確度較高的材料加工參數(shù)與力學(xué)性能之間的模型。

參考文獻(xiàn)

[1]方善鋒，汪明樸，王正安，齊衛(wèi)宏，李周.PLS-BPNN法用于7005鋁合金力學(xué)性能與工藝參數(shù)的定量研究[J].中國(guó)有色金屬學(xué)報(bào)，2007，17（12）：1948-1954.

[2]VAPNIK V.The nature of statistical learning theory[M].New York： Springer，1995.

[3]HUANG C，DAVIS L S，TOWNSHEND J R G.An assessment of support vector machines for land cover classification[J]. International Journal of Remote Sensing，2002，23（04）：725-749.

[4]溫玉鋒，蔡從中，裴軍芳，朱星鍵，肖婷婷.R2O-MO-Al2O3- SiO2玻璃配方與熱膨脹系數(shù)關(guān)系的支持向量回歸研究[J].功能材料，2009，40（01）：66-70.

[5]寧必鋒.基于離差平方和法的粒子群優(yōu)化算法[J].電子設(shè)計(jì)工程，2011，19（24）：11-14.

[6]蔡從中，溫玉鋒，朱星鍵，裴軍芳，王桂蓮，肖婷婷.基于工藝參數(shù)的7005鋁合金力學(xué)性能的支持向量回歸預(yù)測(cè)[J].中國(guó)有色金屬學(xué)報(bào)，2010，20（02）：323-328.

作者單位

吉林化工學(xué)院理學(xué)院 吉林省吉林市 132022endprint