A least square support vector machine algorithm for solving huge contradictory equations(求解大规模矛盾方程组的最小二乘支持向量机算法)

Abstract

房价预测、共享单车出租数量预测、空气污染情况预测等常涉及矛盾方程组求解，对其数值求解方法研究具有重要的理论意义与应用价值。当矛盾方程组规模过大时，用传统的最小二乘法求解，不仅计算量大，而且由于误差积累使最终结果的准确性不高。鉴于此，采用机器学习中的最小二乘支持向量机（least squares support vector machine，LS-SVM）算法求解大规模矛盾方程组，并分别针对线性、非线性、单变量、多变量矛盾方程组进行了数值求解。数值结果表明，数据类型和数据量的变化对结果的影响不大，因此只要选取适当的参数就可建立合适的模型，得到高精度的预测结果。

Keywords

• 大规模矛盾方程组
• 机器学习
• ls-svm
• 最小二乘法