基于遗传支持向量机的多维灰色变形预测模型研究

多维灰色模型适合对多因素影响下的贫信息系统问题进行建模,但对多因素影响下的非线性变形系统建模和预测精不高,针对该问题进行分析研究.利用支持向量机算法建立多维灰色变形预测模型的残差与变形影响因素之间的非线性关系,对多维灰色变形预测模型的残差进行预测,并与多维灰色变形预测模型相加,对多维灰色变形预测模型进行修正,构建基于支持向量机的多维灰色变形预测模型.利用遗传算法优化支持向量机模型参数,提高支持向量机建模精度.该方法较好地解决了多维灰色变形预测模型精度不高的问题.把该模型应用于大坝变形预测,并与多种传统变形预测方法进行对比,结果证实该方法有效提高多维灰色变形预测模型的精度,且新模型精度远优于传统方法,是一种新的有效的变形预测模型.     

深基坑变形预测的进化支持向量机模型

提出了深基坑变形预测的进化支持向量机方法。利用遗传算法来搜索支持向量机与核函数的参数,避免了人为选择参数的盲目性,同时提高了支持向量机的推广预测能力。利用优化后的模型对基坑实例进行了变形预测,并将预测结果与监测结果进行了对比。研究结果表明,该模型与神经网络模型相比,具有预测精度高、泛化能力强等优点,对基坑安全监控具有实用价值。     

基于PSO-WSVR的短期水质预测模型研究

针对传统方法很难建立精确的非线性水质预测模型的情况,提出了基于粒子群优化加权支持向量回归机(PSO-WSVR)的水质短期预测模型.在建模过程中,根据各样本重要性的差异,给各个样本的惩罚系数赋予不同权重,改进了标准支持向量回归机算法,克服了标准支持向量回归算法因不同样本均采用相同权重造成预测精度低的问题,并采用粒子群优化算法对加权支持向量回归机参数组合进行自适应优化,模型收敛速度明显加快.运用PSO-WSVR模型对江苏宜兴市集约化河蟹养殖池塘水质进行预测,与标准支持向量回归机和BP神经网络对比分析.结果表明,该模型性能可靠、泛化能力强,预测精度高,为集约化水产养殖水质短期预测提供了一种新思路.     

基于最小二乘支持向量机的数控机床热误差预测

为实现数控机床热误差的补偿控制,提出基于最小二乘支持向量机进行数控机床热误差建模预测的方法.根据最小二乘支持向量机回归预测的原理,优化选择最小二乘支持向量机参数,对数控车床热误差进行最小二乘支持向量机建模.通过测量数控车床主轴温升值与主轴热变形量,将获得的数据进行最小二乘支持向量机建模训练,以建立机床热误差预测模型.实验结果表明,该模型能有效描述热动态误差,与最小二乘法建模进行比较,结果显示,基于最小二乘支持向量机的数控机床热误差预测模型精度高、泛化能力强;采用最小二乘支持向量机得到的预测模型可用于数控机床热误差实时补偿,以提高机床的加工精度.     

基于最小二乘支持向量机的刀具磨损预报建模

最小二乘支持向量机是支持向量机的一种扩展,已在模式识别和函数逼近等领域得到了成功应用.将最小二乘支持向量机应用于刀具磨损的预报,在网格搜索的基础上采用交叉验证法确定模型的参数,并同偏最小二乘回归的建模结果进行了比较.     

基于支持向量机的不等时距灰色组合预测模型

建立了一种基于支持向量机的不等时距灰色组合预测模型.利用各种不等时距灰色模型的预测结果作为支持向量机的输入,实测值作为支持向量机的输出,并采用LS-SVM回归算法和高斯核函数对支持向量机进行训练,利用训练好的支持向量机即可进行组合预测.该模型兼具灰色模型所需原始数据少、建模简单、运算方便的优势和最小二乘支持向量机具有泛化能力强、非线性拟合性好、小样本等特性,弥补了单一不等时距预测模型的不足,避免了神经网络组合预测易于陷入局部最优的弱点.模型结构简单、实用,仿真结果验证了其有效性.     

基于遗传算法的SVM冰凌预报模型研究

针对传统支持向量回归参数大多采用经验率定的情况,提出了一种基于遗传算法优化支持向量回归参数的冰凌预报模型.运用MATLAB软件进行建模,并将其应用于黄河宁蒙段三湖河口封、开河日期的预报.结果表明,经过优化的支持向量回归模型泛化能力强,预报效果优于传统支持向量回归模型.     

基于支持向量机的彩色光高温测量系统建模

针对实际物体的发射率方程难以确定,导致彩色光高温测量过程中建模困难的问题,提出将支持向量机应用于建模过程的方案。研究参数对支持向量机模型的影响,采用改进的网格搜索算法对参数进行优化,利用优化后的最优参数构建支持向量机,得到彩色光高温测量系统的模型。用实验室实测数据对所建模型预测效果进行验证,并与采用神经网络方法建立模型的预测结果进行对比。结果表明,基于支持向量机的仿真模型具有较高的精度和泛化能力。     

大型电厂锅炉NOx排放特性的支持向量机模型

为了降低大型电厂锅炉NOx的排放,并对燃烧进行优化和控制,应用支持向量机算法建立了大型四角切圆燃烧电站锅炉NOx排放特性模型,利用NOx排放的热态实炉试验数据对模型进行了训练和校验,并对支持向量机算法模型中的参数g和C的选择进行了较深入的探讨,定性地分析了模型参数g和C的变化对模型预测能力的影响,获得了最佳的模型参数.利用该模型对不同实验工况下NOx的排放作出了预测,结果说明采用支持向量机算法建模达到了比较准确的预测效果,与其他建模方法相比具有泛化能力好、计算速度快的优点.     

煤炭需求量预测的支持向量机模型

根据选择的嵌入维数，建立了基于支持向量回归的中国煤炭需求量预测模型．用1980-2002年的中国煤炭需求量构造了支持向量机的输入向量和输出向量；经过与线性核函数及Sigmoid核函数的对比，选用基于径向基函数（RBF）作为校函数，在分析预测误差和模型参数关系的基础上，选择了合适的参数；建立了多输入、单输出的支持向量机（SVM）预测模型．用检验样本与基于RBF神经网络模型的预测进行了比较，结果表明支持向量机模型在训练样本较少的情况下，仍有较高的预测精度和较强的泛化能力，证明了该模型时近期的预测是可靠的．最后用训练好的支持向量机模型很好地预测了2003-2006年我国的煤炭需求量．     

基于监测时序分解再重构的混凝土拱坝位移预测组合模型

针对混凝土拱坝变形机理的复杂性与测值的高度非线性,为提升模型的预测能力,提出了一种融合残差有效成分的混凝土拱坝变形预测组合模型。鉴于统计模型无法有效联系筑坝材料性能演变对大坝变形的影响,结合有限元方法计算水压分量进而构建混合模型;同时,考虑到混合模型残差序列的混沌与周期性特征,应用集合经验模式分解(EEMD)将其解构为具有不同时域特征的本征模态分量,进一步综合粒子群优化的极限学习机(PSO-ELM)和季节性差分自回归积分滑动平均模型(SARIMA)模型对所解构的高频与低频信号分别建模预测,据此构建了变形组合预测模型。工程实例分析表明,较常规监控模型,所建组合模型拟合与预测能力更优,有效验证了所建模型的合理性与可行性,可为大坝变形监测数据分析与预测提供新的技术支撑。     

精密数控立式静压圆台磨床热特性分析

通过建立高精密数控立式静压圆台磨床的有限元模型,进行磨床热源分析,研究了各热源发热量的计算方法,进行了温度场分析求解、热结构耦合分析,得到了立式磨床的热特性、热变形误差。通过机床热变形对精度的影响计算分析,提出发热量控制、优化机床结构、减少热误差措施。     

Finite element model updating for large span spatial steel structure considering uncertainties

In order to establish the baseline finite element model for structural health monitoring, a new method of model updating was proposed after analyzing the uncertainties of measured data and the error of finite element model. In the new method, the finite element model was replaced by the multi-output support vector regression machine (MSVR). The interval variables of the measured frequency were sampled by Latin hypercube sampling method. The samples of frequency were regarded as the inputs of the trained MSVR. The outputs of MSVR were the target values of design parameters. The steel structure of National Aquatic Center for Beijing Olympic Games was introduced as a case for finite element model updating. The results show that the proposed method can avoid solving the problem of complicated calculation. Both the estimated values and associated uncertainties of the structure parameters can be obtained by the method. The static and dynamic characteristics of the updated finite element model are in good agreement with the measured data.     

Application of support vector machine in the prediction of mechanical property of steel materials

1. IntroductionThe mechanical properties of steel materials [1] areimportant to steel quality, which is influenced by themicrostructure, chemical content, and all kinds of fac-tors in manufacturing. The main parameters of themechanical properties include …     

支持向量机回归算法及其应用

支持向量机是建立在统计学习理论基础上的通用学习方法,它可较好地解决以往很多学习方法的小样本、非线性、过学习、高维数、局部极小点等实际问题。笔者利用支持向量回归理论和方法,建立支持向量机的预测模型,并利用winSVM和MATLAB软件进行了实例预测,与二次回归预测值相比较,支持向量机预测模型具有更好的预测精度,且有很强的推广能力。     

S195柴油机机体的有限元分析和试验模态

本文应用动态有限元和试验模态分析技术研究S195柴油机的动态特性,从固有频率和振型两个方面比较两种方法的分析结果,两者基本一致 。通过结构的受迫响应模拟,从各部分变形数据分析实际使用中的故障机理,结果表明：利用有限元分析技术预测机体结构的动态特性和变形, 可靠有效。     

基于差分进化优化的约简最小二乘支持向量机

针对最小二乘支持向量回归机的解缺乏稀疏性、预测速度慢等问题,采用向量相关分析在高维特征空间约简支持向量.为使约简模型能最佳逼近原模型,提出原模型与约简模型预测训练样本的平方误差和作为新性能评价准则.为得到最优约简模型,定义了离散加法、减法和乘法算子,并将新性能评价准则作为适应度函数,采用整数编码的差分进化算法进行全局优...     

改进的LS—SVM算法及在交通流量预测上的应用

对标准的LS-SVM算法进行了改进,得到一种新的学习算法.这种新的学习算法不仅能减少计算的复杂性,提高学习速度;同时能提高函数估计的精确度.将改进的LS-SVM算法应用于交通流量的预测,同时与传统的多元线性回归及支持向量机方法进行比较,结果表明改进的LS-SVM方法具有较高的预测精度,且实验取得了较好效果.     

基于粗糙集和支持向量机的空间结构健康监测

目的 为了改进现有损伤诊断方法的不足，降低结构健康监测的成本并提高其准确性和分析速度．方法 基于小波包分解技术、粗糙集特征约简和支持向量机强大的分类功能，提出了一种空间结构损伤诊断方法，并以此为基础建立了空间结构的健康监测系统框架．利用有限元模拟，应用该方法对一单层球面网壳结构进行了损伤诊断．结果 由小波包分解得到的特征向量能够敏感地反映构件的损伤，经过学习的支持向量机基本可以正确地识别出空间结构杆件的损伤位置和程度．结论 经过粗糙集约简的损伤诊断同样有效并提高了计算速度．该方法具有面向工程实际应用、成本低和分析简便等特点。     

支持向量机在企业人力资源结构分析中的应用

企业人力资源结构的合理配置和规划是现代企业发展的关键问题，由于影响因素众多，而且关系极其复杂，传统数学分析方法难以胜任.为此，引入支持向量机方法，基于其小样本高效自学习能力和非线性处理能力，通过实际数据分析建立回归预测模型.以某公司为例，建立公司科技人员和管理人员比重与公司运营情况及人员流动情况间的对应关系，并进行预测分析，结果表明该方法具有较高的精度和推广预测能力，为企业人力资源结构分析提供了有效的分析工具.