A. 参数的选择
在支持向量机方法中，要选择的参数主要有惩罚系数C、核函数参数g和不敏感损失函数参数ε。对于C和核函数参数g的选择可采用交叉验证（crossvalidation）和网格搜索（gride searching）方法，这样可以选择符合实际情况的最优参数。径向基核函数为：
基坑降水工程的环境效应与评价方法
其中σ为径向基函数的宽度，令γ=1/2σ2（γ＞0），则核函数就化为下式：
基坑降水工程的环境效应与评价方法
在考虑训数据有噪音的情况时，使用一个惩罚因子C，用来控制经验风险。要纯型确定的参数为径向基函数的γ值以及惩罚程度的常数C值。在实际问题中，最佳参数C、γ值是未知的，故为了达到准确分类或回归测试数据的目的，需要去搜索最佳参数。交叉验证：就是将数据首先分成n个同样大小数量的互不相交的子集。先用n-1个子集作为训练样本，预测那个没有参加训练的子集。这样一个接一个，进行n次。这样全部数据中的每个样本点都被预测了一遍，准确率是比较稳定的。
网格搜索是交叉确敬悄认的一种方法。即尝试所有的参数对（C，γ），计算其交叉确认正确度，挑出最佳参数对的过程。首先选定一组（C，γ）的范围C=（2-5，2-4…215），和γ=（2-15，2-12…23），每一参数对（C，γ）相互独立，ε可取0.005～0.5之间的值。为确保SVM模型有优良的预测性能，并考虑到回归性能分亮裤渣析的结论：不敏感系数ε可控制模型的泛化推广能力，惩罚因子C可控制拟合曲线复杂性，核函数宽度系数σ可影响回归曲线的光滑程度。从大量的实验分析比较可知，最终选定取如下值：C=0.01，g=10000，σ=0.01。