飞机飞行事故率预测建模与仿真研究

研究飞机飞行事故率准确预测问题,飞行事故率的变化受到自然资源、环境、经济、社会和科技等多种因素影响,因素间关系复杂,导致飞行事故率的非线性变化,传统或单一预测方法难以获得较高的预测精度.为了提高飞行事故率预测精度,提出一种时间序列法和支持向量机组合的飞行事故率预测模型.模型首先分别用时间序列法和支持向量机对飞行事故率的规律发生部分和随机变化部分预测,采用线性回归确定两个预测结果的权值,通过权值计算获得飞行事故率预测结果.仿真结果表明,组合模型有效提高了飞行事故率预测精度,可为航空安全管理提供了有效的预测方法.     

基于最小二乘支持向量机的飞行事故预测

为了对空军飞行安全形势进行科学的分析和预测,针对反映空军飞行安全形势的重要指标之一-飞行事故万时率,采用了最小二乘支持向量机(LS-SVM)的时间序列非线性预测模型,并对其建模过程和参数选择问题进行了分析和研究.文中利用美国空军A类飞行事故的历史数据对该方法进行了验证,预测精度较高,方法可行.     

基于LS-CSO优化MWLS-SVM的SO2排放浓度软测量建模

针对石灰石-石膏湿法烟气脱硫过程最小二乘支持向量机（LS-SVM）建模中存在的噪声和辅助变量差异性对模型的影响,提出一种混合加权最小二乘支持向量机（MWLS-SVM）的建模方法。该建模方法对辅助变量进行加权,以降低各辅助变量对模型的差异性影响,并采用样本局部异常因子,对模型经验风险项进行加权处理,以提高模型的逼近和泛化能力,同时提出一种局部搜索竞争粒子群（LS-CSO）算法优化MWLS-SVM模型参数和特征权重。分别采用直接加权最小二乘支持向量机（DWLS-SVM）、LS-SVM和MWLS-SVM三种方法对湿法烟气脱硫SO₂排放浓度建立软测量模型,采用LS-CSO优化模型参数,实验结果表明MWLS-SVM模型在预测精度和泛化能力表现上明显优于LS-SVM和DWLS-SVM。     

加权LS-SVM的铜液温度软测量研究

针对废杂铜冶炼过程炉膛温度难以准确测量的问题,提出一种基于加权LS-SVM的炉膛温度软测量方法。该方法通过对过程主要输入输出变量的误差平方赋予不同权重用于克服异常训练样本的影响,并利用粒子群算法对加权LS-SVM的参数进行寻优,增强了动态模型对非线性时变特性的适应能力,提高了温度预测的准确性。最后,通过对废杂铜冶炼过程的实际运行数据进行仿真研究,验证了方法的有效性。     

基于AP的LS-SVM多模型建模算法

针对多工况对象的单模型建模中存在的回归精度差和泛化能力弱的问题,提出基于仿射传播聚类的LS-SVM多模型建模方法。该方法用仿射传播聚类算法对样本进行聚类,采用LS-SVM的方法对子类样本分别建立模型。测试样本根据相似性的测度进行归类,并用所属子类的模型进行预测输出。将该建模方法用在丙烯浓度的软测量建模实验中,结果表明该方法有较高的回归精度和较好的泛化能力。     

基于支持向量机的生物质气化过程研究

提出了一种基于支持向量机的生物质气化过程研究的新方法。采用竹子气化数据建立LS-SVM模型,并验证最小二乘支持向量机方法在生物质气化过程建模中的适用性。结果表明：提出的LS-SVM模型预测方法是有效的。     

基于自适应加权最小二乘支持向量机的芳烃产量软测量建模

芳烃收率是催化重整生产过程中的重要质量指标。针对其软测量建模中样本数据可能存在的测量误差对模型性能的影响,提出一种自适应加权最小二乘支持向量机(AWLSSVM)回归建模方法。该方法基于最小二乘支持向量机模型,根据样本拟合误差,并结合改进的指数分布加权规则,为每个建模样本分配不同的权值,以降低测量误差对建模精度的影响;同时提出一种全局优化算法—混沌粒子群模拟退火(CPSO-SA)算法对最小二乘支持向量机的模型参数进行优化选择,以提高模型的泛化能力。仿真实验表明,AWLS-SVM模型的预测精度及鲁棒性能优于LS-SVM和WLS-SVM。最后,应用AWLS-SVM方法建立催化重整生产过程芳烃收率的软测量模型,获得了较好的效果。     

基于WLS-SVM回归模型的电力负荷预测

针对电力系统年用电量增长的特点,提出一种基于加权最小二乘支持向量机(LS-SVM)的电力负荷预测模型.与标准LS-SVM的电力预测方法比较,该模型能通过设置训练样本权重比例,实现样本优化选择,达到历史数据"重近轻远"的学习效果,从而能有效提高预测精度.通过具体实例验证,WLS-SVM模型预测精度明显优于标准LS-SVM模型,说明本文模型实现容易,鲁棒性好,预测精度高.     

基于数据驱动的氢粉碎工艺氢含量的预报

针对目前钕铁硼氢粉碎工艺过程中氢含量无法在线检测、动力学模型难以建立等问题,提出利用数据驱动方法实现钕铁硼氢粉碎过程中氢含量的预报,详细介绍了基于LS-SVM的氢粉碎工艺氢含量预报模型的建模过程。预测结果表明,基于LS-SVM的氢含量预报模型对氢粉碎工艺中氢含量的预测误差较小,可满足生产工艺的要求。     

蚁群算法滚动优化的LS-SVM预测控制研究

针对非线性过程预测控制的模型预测和滚动优化问题,提出一种蚁群算法滚动优化的最小二乘支持向量机(LS-SVM)新型预测控制器,该控制器以建模简单、精度高的LS-SVM作为预测模型,蚁群算法作为滚动优化策略,避免了滚动优化中复杂的梯度计算.仿真研究表明,该控制器具有良好的非线性控制效果.     

基于改进支持向量机的快速稳健代理模型研究

最小二乘支持向量机代理模型具有较好的泛化能力和强大的非线性处理能力,但其对实际工程中不可避免的异常样本十分敏感,而传统的加权最小二乘支持向量机易产生过度拟合并且未考虑到回归误差分布特性,针对这一问题提出正态分布概率密度函数加权方法,并且采用回归误差的中值作为计算权值的衡量标准,增强了加权算法的稳健性;提出了迭代加权最小二乘支持向量机快速递推算法,利用矩阵关系进行迭代递推计算,减少了计算量,节约了建模时间。通过数值实例验证了该方法的可行性、有效性。     

混合核函数稀疏LS-SVM软测量建模与应用

针对最小二乘支持向量机存在的稀疏性欠缺和单核函数局限性问题,本文提出一种基于混合核函数稀疏最小二乘支持向量机的软测量建模方法.该方法使用多项式核函数和RBF核函数线性加权构成混合核函数,兼顾最小二乘支持向量机的全局拟合能力与局部拟合能力,以矢量基学习作为稀疏解算法,改善最小二乘支持向量机的稀疏性,在精简模型结构的同时,避免冗余信息中的噪声过多的拟合到模型参数中,进而采用粒子群算法优化模型部分参数.将此方法分别应用于Mackey- Glasss混沌模型的时间序列预测和乙烯精馏塔塔釜乙烯浓度预测,应用结果表明该方法较最小二乘支持向量机、稀疏最小二乘支持向量机以及混合核最小二乘支持向量机具有更好的泛化效果和预报精度,兆示出其良好的应用潜力.     

基于灰色关联的LS-SVM道路交通事故预测

为提高道路交通事故的预测精度以及建模速度,在分析道路交通事故影响因素基础上,提出了基于灰色关联分析的LS-SVM道路交通事故预测模型。该模型首先采用灰色关联分析完成影响因素的相关性分析,结合关联度值,筛选最小二乘向量机模型的输入变量,简化LS-SVM模型结构;然后运用动态改变惯性权重自适应粒子群算法(DCW-APSO)对模型参数进行优化选取;最后应用模型预测1996-2000年的综合道路交通事故死亡率,并将预测结果与其他模型进行对比分析。结果表明：该模型具有较快的收敛速度,并能明显提高道路交通事故预测的精度。     

Pilot-error accidents: male vs female

In this study, general aviation accident records from the files of the National Transportation Safety Board (NTSB), have been analysed by gender to observe the number and rate of pilot-error related accidents from 1972 to 1981 inclusive. If both females and males have no difference in performance, then data would have indicated similarities of accident rates and types of injuries. Males had a higher rate of accidents than females, and a higher portion of the male accidents resulted in fatalities or serious injuries than for females.

Type of certificate, age, total flight time, flight time in type of aircraft, phase of operation, category of flying, degree of injury, specific cause factors, cause factor miscellaneous acts/conditions were analysed, taking the total number of United States Active Civilian General Aviation Pilots into consideration. The data did indicate a difference in all variables.     

MISO系统的混合核函数LS-SVM建模

将LS—SVM非线性建模思想应用于锌钡白转窑煅烧过程的MISO系统建模．研究发现,系统选取不同的核函数,对模型的拟合性能和预测(泛化)性能有很大的影响．采用基于混合核函数的LS—SVM建模方法解决上述问题,该方法可使系统具有满意的模型拟合输出,能有效抑制局部核函数所引起的预测输出波动,取得了良好的综合辨识效果．     

基于LS-SVM算法的混沌时序递推预测

研究利用最小二乘支持向量机（LS-SVM）预测变参数混沌时间序列。支持向量机方法是基于结构风险最小化原理导出的,最小二乘支持向量机是一种在二次损失函数下采用等式约束求解问题的支持向量机,保留支持向量机优点的同时计算量大大减少。变参数混沌时间序列预测是典型的小样本学习问题,由于参数的慢变导致系统的动力学特性不断发生变化,全局建模预测方法很难适用,必须在线实时预测。为了快速跟踪预测变参数混沌系统的时间序列,研究了利用一种简化的最小二乘支持向量机在线递推算法进行预测。最后对典型变参数混沌时间序列的预测实验结果表明了该方法的有效性。     

飞行事故调查辅助分析系统的开发及应用

针对飞行事故调查的实际需要,提出基于点对象构建飞行事故分析模型的思路.在该模型中,点对象可被用来描述事故的关键特征,如失事位置、飞行航迹、事故现场残骸分布等.基于该模型,将同一事故中的飞行数据、驾驶舱话音数据、雷达数据、目击数据以及现场残骸分布等信息整合起来,并在AutoCAD Map平台基础上开发了事故调查辅助分析系统.该系统通过绘制事故过程图和事故现场残骸分布图等手段,为事故调查提供直观、科学的辅助分析,从而有效地提高事故调查的水平.     

改进IOWHA算子组合预测模型

针对现有单项预测模型提供信息有限,预测误差大的问题,引用最优加权组合建模理论,将灰色关联度与IOWHA算子相结合,提出一种新的组合预测模型权重确定方法,并应用该权重确定方法构建了一种基于RBF神经网络预测模型和GM预测模型的最优组合预测模型。该模型能够克服传统组合预测方法的两个缺陷：加权平均系数不变和以单一误差指标为准则。利用该组合模型对全国物流需求进行组合预测,并与RBF神经网络模型、GM模型的预测结果进行了对比分析。结果表明,相对于单项预测模型,该组合预测模型的预测精度更高,是一种有效的物流需求预测模型。     

基于改进ABC与LS-SVM算法的电力负荷预测的研究

为了解决电力负荷的非线性等问题和帮助电力企业迅速地制定电力的预计交易量,提出一种建立在最小二乘支持向量机算法基础上的电力负荷预测方法。采用改进的ABC算法优化惩罚因子C和核系数σ,再将最优解赋给LS-SVM用以预测。仿真结果证明:基于改进ABC与LS-SVM算法的电力负荷预测方法具有较高的预测精度,更小的误差,是一种有效的预测方法。