基于支持向量机的安全投入需求预测研究

由于煤炭安全投入影响因素较多,所具有的非线性、复杂性与内在随机性,传统的方法难以准确模拟其变化状态并预测未来需求。神经网络是一种较好解决此类问题的方法,但是本身存在诸多缺陷,而这些缺陷支持向量机（Support Vector Machine．SVM）可以克服。本文基于安全投入预测的非线眭,利用统计学习理论的支持向量机,建立基于支持向量机的预测模型。     

基于RS-LSSVM制造业上市公司财务危机预警模型

针对制造业上市公司财务危机影响因素多、 各影响因素之间相互关联、 样本信息采集困难等问题, 本文结合财务危机理论构建了上市公司财务危机影响因素指标体系, 基于粗糙集理论融合最小二乘支持向量机方法, 提出了制造业上市公司财务危机预警模型, 预警了未来 ３ 年的财务危机情形, 对比了该模型与传统的最小二乘支持向量机的预测效果。 结果表明, 粗糙集融合最小二乘支持向量机能够有效提高预警效率, 反映各控制因素对上市公司财务危机的影响, 计算结果与样本值拟合精度较高, 满足实际应用要求。     

基于最小二乘支持向量机的我国能源消费计算方法

本文提出利用最小二乘支持向量机方法定量计算能源消费量, 选取了人口数量、 经济增长、 技术水平、 产业结构、 固定投资、 路网密度、 对外开放、 政策影响等作为能源消费的影响因素, 将样本的影响因素数据作为输入量, 将样本的能源消费量数据作为输出量, 利用训练好的最小二乘支持向量机模型作为能源消费量定量计算的有效工具。 研究结果表明： 基于最小二乘支持向量机模型的计算结果与样本值拟合精度较高, 能较好且客观地反映各控制因素对能源消费量的影响, 对制定科学有效的能源规划和决策具有重要意义。     

基于支持向量机的石油期货价格预测

建立了基于支持向量机技术的石油期货价格预测方法.该方法使用价格序列一阶差分及其滞后值建模,采用径向基(RBF)核函数和序贯最小优化(SMO)算法,通过综合验证方式确定包括嵌入维数在内的各参数.实证研究表明,支持向量机方法比RBF神经网络和ARIMA模型预测精度更高,具有很好的应用前景.     

基于SVM模型的上市公司财务困境预警研究

本文运用支持向量机技术,以我国上市公司为研究样本,建立了一种新型的财务困境预警模型.通过对该模型的反复调整,得到了较高的预测精度和较好的推广能力.与其它财务困境预警模型相比,我们所建立的支持向量机模型在对上市公司财务困境预警方面具有便于使用、预测精度高等特点.具有广阔的实际应用前景.     

核电厂仪控卡件PSPICE仿真及故障诊断研究

针对核电厂仪控卡件的可靠性检测与分析问题,在对卡件进行PSPICE仿真分析的基础上,为提高故障诊断的准确率,提出一种基于偏二叉树双支持向量机的故障诊断模型,将双支持向量机引入模型,利用偏二叉树多分类方法构造出多个2分类器,实现仪控卡件故障诊断的多类分类。通过实例验证,提出的故障诊断模型提高故障诊断精度和泛化能力,时间消耗短。     

基于支持向量机的文本分类研究

本文介绍了基于支持向量机（SVMs）的文本分类基本原理、方法，并给出实现的例子。     

基于最小二乘支持向量机的标高金预测方法研究

标高金确定的合适与否,直接影响着投标方能否中标和盈利。针对传统神经网络方法存在的缺点,提出了一种基于最小二乘支持向量机的标高金预测方法,并对该方法进行了实证研究。实例研究表明,基于最小二乘支持向量机的标高金预测方法是有效可行的,其在解决小样本数据的非线性问题上有着传统方法无可比拟的优越性。该方法为科学合理地确定标高金提供了一种新的思路,可为投标方的报价决策提供参考。     

基于支持向量机的离心机振动信号采集及分析

为更准确地判断离心机工作状态，使用动态信号采集仪对离心机进行信号采集，并对数据进行预处理。使用支持向量机模型，提取离心机振动信号的时域和时频域信息作为其状态特征，使用主成分分析（PCA）降维技术得到低维、冗余信息较小、对状态信息表达一致的低维特征矩阵。将特征矩阵输入支持向量机进行分类识别，使用时域特征、时频域特征、时域+时频域特征作为输入，识别准确率可达90%。     

基于支持向量机的省级电网中长期投资规模预测模型研究

本文提出了基于支持向量机的省级电网中长期投资规模预测模型。 围绕新形势下以电量驱动的电网投资规模预测模型参数单一、 线型拟合精度较差等问题, 本文分析了电网投资新环境、 新方向、 新要求; 探索了电网投资外部驱动因素指标体系, 从电力需求因素、 电网安全因素、 能源转型因素和技术创新因素4 个方面, 结合灰色关联理论, 筛选关键驱动因素, 构建省级电网中长期投资规模预测模型; 最后通过支持向量机算法, 预测了省级电网 2019～2022 年投资规模, 实证结果表明, 本文构建的预测模型是有效可行的。     

基于SVM的项目群优选模型及其应用

在支持向量两类分类机的基础之上,利用一对一的方法建立3类分类机,提出用于项目群优选的得分函数,用以对项目群中的项目进行排序,按照排序结果优选项目,对项目进行评价,或者安排投资计划,从而实现资源的优化配置.将该方法应用于电能计量装置改造项目的综合评价中,借助于支持向量机工具箱OSU_SVM3.00,在Matlab6.5中予以实现.实验结果表明,该方法是用于项目群优选的有效方法.     

基于最小二乘支持向量机的河段洪水预报研究

我国夏季汛期容易发生洪涝灾害,对区域财产安全与经济发展威胁巨大。基于最小二乘支持向量机洪水预测模型理论,以我国西南地区某流域河段为例,通过采集2016—2019年相关水文数据,建立最小二乘支持向量的区域洪水预报模型,并对区域水位变化作出了准确预测。该模型在河段洪水预测方面具有高精度、科学可靠的优势,在我国西南地区洪水预报工作中具有广泛的应用前景。     

基于SVM预测模型的特高压输电线路工程量影响因素预测分析

本文通过对特高压线路工程特点的分析,梳理出其线路工程的主要影响因素及构成,构建了工程量影响因素预测指标体系,再选取国内已经运行的五条特高压线路工程数据,通过支持向量机(SVM)的预测模型对特高压线路工程量进行预测分析。结果表明,不同类型的特高压输电线路工程量预测结果的精度存在明显差异,但是整体误差水平控制在一定范围之内;从预测精度上看,支持向量机预测模型适用于特高压输电线路工程量预测研究,以期为工程造价的预判、预控提供可靠依据,为实现工程投资成本合理控制提供技术支撑。     

基于无线传输的智能小区门禁系统设计

提出了一种基于支持向量机的机械故障诊断模型,该模型建立在VC维理论和结构风险最小原理基础上,根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折中,以期获得最好的推广能力。在选取诊断模型输入向量时,对故障信号功率谱进行小波分解,简化了故障特征向量的提取。仿真结果验证了该模型的有效性。     

基于支持向量机和特征向量提取的人脸识别框架

为了研究支持向量机在人脸识别中的应用,提出了人脸识别框架,该框架首先利用特征向量提取算法对人脸进行特征提取,得到人脸面部纹理特征数据,然后采用支持向量机对提取的数据进行训练,得到人脸模板,并依据人脸模板对人脸进行识别。实验采用ORL人脸数据库作为实验数据,使用LBP算法提取特征向量,使用LIBSVM训练得到人脸模板数据库,当模板人脸数与预测人脸数比值一定时,随着人数增加,其预测的正确率会有所下滑;当人数一定时,人脸模板与预测人脸数值上升,其正确率会有所上升。当选择一个相对合适的模板比例时,正确率将会达到89.29%以上。实验结果表明,提出的框架对于人脸具有良好的识别能力。     

基于支持向量机模型的地铁进站客流量预测

为了更精确地预测短期站点客流量,动态调整城市轨道交通的日常客流方案,采用支持向量机模型对预测地铁客流量。首先,通过对AFC数据分析,利用上周同期进站量、前一天同期进站量、当日前两个时段进站量以及高峰和非高峰时段参数作为模型的输入变量;然后,构造支持向量机预测模型并运用粒子群算法优化模型(PSO-SVM模型),实现地铁站点客流量预测,并进行不同模型预测误差的比较分析;最后,以苏州地铁数据为例,预测汾湖路地铁站的进站客流量。结果表明,优化模型能够有效改善预测误差,预测结果更为准确,证明PSO-SVM方法能有效用于地铁进站客流量的预测研究,为地铁进站客流量预测提供了新的方法。     

基于温度分析的抽水储能发电机故障模式识别

为提高抽水蓄能电站系统运行的稳定性和可靠性,提出了一种通过主站发电机瓦温信息构建发电机故障诊断模型的方法。以温度值作为特征量构建了支持向量机故障诊断模型,结合麻雀算法全局寻优和局部寻优自由切换的优势,将故障识别正确率作为迭代更新的目标函数,对支持向量机的惩罚因子以及核函数半径的参数组合进行优化。根据麻雀种群位置优化特点,给出了基于麻雀搜索算法进行SVM参数优化的详细步骤流程,并对采集的水泵发电机实测温度数据进行验证和分析。实测数据表明,所提方法可对下导瓦间隙偏小、冷却器容量不足、透平油老化、杂质混入等故障模式进行识别。与若干现行同类方法进行对比分析可知,基于温度分析的发电机故障诊断方法可为抽水储能发电机运行状态监测及主站电机的安全可靠运行提供有益参考。     

基于SOA-LSSVM的故障模式识别模型研究

将搜索者优化算法(SOA)应用于最小二乘支持向量机(ISSVM)惩罚因子和核函数参数的选择中,从而改善参数选择的随机性和盲目性,建立基于SOA-LSSVM的故障模式识别模型。应用该模型对变压器油中溶解气体故障模式进行分析,结果表明该算法在参数优选中的有效性,依此而建立SOA-LSSVM故障模式预测模型具有较高的准确率。     

基于粒子群优化机器学习模型的水面蒸发量估算模型研究

水面蒸发是估算区域水资源平衡的重要参数之一,实测的蒸发皿蒸发量(Epan)是重要的水温变量,为找出估算区域的Epan最优模型,以江西省为研究区域,基于极限学习机(ELM)、随机森林(RF)、支持向量机(SVM)、BP神经网络4种机器学习模型,以粒子群算法(PSO)为基础建立了4种优化模型,对不同站点Epan进行了估算,...     

基于改进支持向量机的混凝土桥梁极限荷载预测研究

作为基础设施的重要组成部分,混凝土桥梁承担着货物运输和人员通行的重要任务,然而由于长期受到环境因素和交通负荷的影响,桥梁结构会逐渐受损,可能会导致严重事故和损失,因此准确预测混凝土桥梁的极限荷载对于确保桥梁结构的安全性和可靠性至关重要。以改进支持向量机为基础,对混凝土桥梁极限荷载进行精准预测,为桥梁结构的健康监测和维护提供一种可靠的工具和方法。