1. 毕业设计（论文）主要内容：

本文主要研究基于abc（人工蜂群）算法优化svr（支持向量回归机）的温度测点恢复方法。

根据人工蜂群算法和支持向量机的实现原理，使用人工蜂群算法对支持向量机的参数进行优化，并用优化后的算法对缺失的温度测点进行恢复，并对恢复的温度测点值和该点的真实温度值的残差进行分析，并将abc-svr与未优化的svr算法的恢复效果进行比较。

论文阐述人工蜂群算法和支持向量机的实现原理，并对abc优化svr的设计步骤进行详细说明；使用优化后的算法对含有缺失温度测点的数据集进行恢复，分析其与真实温度值的残差；最后通过不同的评价指标将abc-svr算法与未优化的svr算法进行比较，说明abc-svr算法的优越性。

2. 毕业设计（论文）主要任务及要求

（1）查阅相关文献资料15篇以上（其中近5年外文文献不少于3篇)，了解本研究领域的基本理论、关键技术与研究现状。

（2）完成开题报告。

（3）研究人工蜂群算法和支持向量机的实现原理，使用人工蜂群算法对支持向量机的参数进行优化，并用优化后的算法对缺失的温度测点进行恢复，并对该温度测点的恢复温度值和真实温度值的残差进行分析，并将abc-svr与未优化的svr的恢复效果进行比较。

3. 毕业设计（论文）完成任务的计划与安排

（1）第1－3周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。

（2）第4－5周：熟悉掌握基本理论，完成英文资料的翻译，熟悉开发环境。

（3）6－9周：编程实现各算法，并进行仿真调试。

4. 主要参考文献

[1]高雷阜, 高晶, 赵世杰. 人工蜂群算法优化svr的预测模型[j].计算机工程与应用, 2016, 52(11):55-59.

[2]陈健飞, 蒋刚等.改进abc-svm的参数优化及应用[j].机械设计与制造,2016(1):24-28.

[3] aydin d, #214;zy#246;n s, ya#351;ar c, et al. artificial bee colony algorithmwith dynamic population size to combined economic and emission dispatch problem[j].international journal of electrical power amp; energy systems, 2014,54(1):144-153.