：针对发酵过程中生物参数难以实时在线测量的问题，建立了用于生物参数状态预估的 支持向量机软测量模型。考虑到该支持向量回归(SVR)模型的复杂性和冷化特征取决于其三 个参数 ，c， 能否取到最优值，采用粒子群优化(PSO)算法实现对参数 ，c， 的同时寻优。在 此基础上，以饲料用 ．甘露聚糖酶为对象，建立了基于PSO—SVR的发酵过程产物浓度状态预估 模型。发酵罐控制结果表明：该模型具有很好的学习精度和泛化能力，可实现对

粒子群算法优化SVR参数，包括核函数和惩罚函数的优化。(Particle swarm optimization algorithm to optimize the SVR parameters, including kernel function and penalty function optimization.)

该文件为粒子群算法优化支持向量机模型(This document is optimized by Particle Swarm Optimization (SVM) model)

基于粒子群优化的向量回归预测分析 matlab代码(Support vector regression code with pso)