[发明专利]一种基于主成分分析的鸡蛋产量预测PSO-SVM回归模型

权利要求书

1.一种基于主成分分析的鸡蛋产量预测PSO-SVM回归模型，其特征在于：包括步骤一、利用主成分分析了影响蛋鸡产蛋率与最高舍温、最低舍温、体重、日龄、饲料消耗之间的关系；

步骤二、根据主成分分析的结果，对数据每一维特征赋予合适的权重；

步骤三、将权重赋予之后的结果作为PSO-SVM的输入，使用PSO-SVM算法建立蛋鸡产蛋率与最高舍温、最低舍温、体重、日龄、饲料消耗五维特征的回归模型。

2.根据权利要求1所述的一种基于主成分分析的鸡蛋产量预测PSO-SVM回归模型，其特征在于：所述回归模型建模步骤依次为：开始→读取数据→主成分分析→每一维特征赋予权重→保存数据，并作为SVM输入→PSO-SVM建立模型。

3.根据权利要求2所述的一种基于主成分分析的鸡蛋产量预测PSO-SVM回归模型，其特征在于：所述主成分分析步骤包括步骤1、选择初始变量，根据选择的初始变量中度量或取值范围是否相同形成分析协方差矩阵或分析相关矩阵；

步骤2、用雅克比方法求分析协方差矩阵或分析相关矩阵的特征值和相应的特征向量后利用式求得贡献率并选择主成分，其表达式如下：式中p_i为每一个因子与产蛋率的相关性,E_j为主成分的特征值。

4.根据权利要求3所述的一种基于主成分分析的鸡蛋产量预测PSO-SVM回归模型，其特征在于：所述初始变量的记样本数据为X＝(x₁，x₂，x₃，…，x_i，…，x₂₂₆)^T，共226个样本，其中每个数据样本x_i有6维特征，分别为日龄c1、最高舍温c2、最低舍温c3、饲料消耗c4、体重c5、产蛋率c6,即x_i＝(x_ic1，x_ic2，…，x_icj，…，x_icj)，对原始数据做标准化处理其中为Var(x_j)为

5.根据权利要求4所述的一种基于主成分分析的鸡蛋产量预测PSO-SVM回归模型，其特征在于：计算所述样本相关系数矩阵相关系数计算方式为

6.根据权利要求3所述的一种基于主成分分析的鸡蛋产量预测PSO-SVM回归模型，其特征在于：所述贡献率的计算方式为：

7.根据权利要求1所述的一种基于主成分分析的鸡蛋产量预测PSO-SVM回归模型，其特征在于：将SVM中优化问题的非等式约束替换为为等式约束后形成SLSVM模型，其表达式为：其中约束条件为：y_i(W*x_i+b＝1)，i＝1，2，…，m。

8.根据权利要求7所述的一种基于主成分分析的鸡蛋产量预测PSO-SVM回归模型，其特征在于：给SLSVM模型中的每一个样本引入误差特征ei,并在原始函数中加入误差特征的L2正则项,优化项表示式为：约束条件为其中，λ为正则化参数。

9.根据权利要求1所述的一种基于主成分分析的鸡蛋产量预测PSO-SVM回归模型，其特征在于：通过所述粒子群优化算法(PSO)计算出当前搜索到的个体最优解来代替全局最优解，所述粒子群优化算法(PSO)的步骤依次为：开始→读取训练数据→读取测试数据→初始化SVM参数→初始化PSO参数→生成随机粒子→SVM回归→计算适应度→更新最优结果→更新粒子→确认是否满足停止条件，如满足停止条件则结束，如不满足停止条件则从新退回到所述SVM回归步骤进行重新计算至满足停止条件为止。

10.根据权利要求9所述的一种基于主成分分析的鸡蛋产量预测PSO-SVM回归模型，其特征在于：，所述所述粒子群优化算法(PSO)的计算公式为：

式中v为速度，x为位置，w是惯性因子，c₁、c₂是学习因子，pbest是个体最优位置，gbest是全局最优位置。