支持向量机回归算法在船舶磁场推算中的研究

船舶航行中会遇到复杂的外界环境,其中磁场环境的变化对航行状况具有重要的影响。而船舶内部大量的电力系统会产生复杂的磁场分布。在建立的船舶磁场分布模型中,传统的基于磁场检测后的逆向拟合方法精确度不高。因此可以根据实验室的测量数据建立基于支持向量机回归算法的船舶磁场模型。在该模型中,预测的磁场分布具有更高的精度和复杂度,并且可以对磁场的动态变化进行预测,建立船舶磁场的时变模型。     

基于支持向量回归机的船舶操纵运动在线辨识建模

采用滚动时间窗的方法实现支持向量机的在线辨识。以船舶操纵运动响应模型为研究对象,并由10°/10°和15°/15°仿真Z形试验数据构造支持向量机参数辨识所需的训练样本对,应用支持向量机进行船舶操纵运动在线辨识建模,回归操纵运动响应模型中的操纵性指数,并利用建立的响应模型进行Z形试验的数值模拟。将Z形试验数值模拟结果同仿真Z形试验数据进行比较,结果表明,在线式支持向量回归机是一种进行船舶操纵运动在线辨识建模的有效方法。     

基于支持向量机的船舶交通流量预测模型

针对船舶交通流的随机性大,影响因素多,船舶交通流量预测的准确度不高等现象,基于支持向量机理论,结合长江苏通大桥断面的观测数据,建立支持向量机的预测模型进行短期的船舶流量预测.预测结果与实际流量比较一致,优于SPSS线性回归的预测效果.验证了支持向量机预测模型在船舶流量短期预测中的可行性.     

加权支持向量回归算法在船舶智能建模中的应用

在分析现有基于高斯核的支持向量回归方法优缺点的基础上,将高斯核参数加权与支持向量回归算法相结合,实现了一种"基于高斯核参数加权的支持向量回归算法".在该新算法中引入一种带权重因子的核函数,其中权重因子由输入向量来确定,同时将该算法应用在散货船舶主尺度要素智能化建模中并与常规算法进行了比较.试验结果表明了这种改进的支持向...     

基于支持向量机的船舶操纵运动在线建模

支持向量机算法以结构风险最小化为准则,具有良好的泛化性,是一种先进的人工智能算法。文章根据最小二乘支持向量机对其增量式算法进行推导,并应用该算法对船舶操纵运动进行在线建模。通过仿真试验对粘性力和舵力水动力导数进行在线辨识,通过自航模试验对操纵性K、T指数进行在线辨识,并利用K、T指数对自航模的转首角速度进行了预报,所得结果都同试验值非常接近,证明了增量式最小二乘支持向量机应用于船舶操纵运动在线建模的有效性。     

支持向量机回归方法在船型要素建模中的应用

支持向量机是基于统计学习理论框架下的一种新的通用机器学习方法,是一种处理非线性分类和非线性回归的有效方法。采用支持向量机回归算法对船型主要要素进行建模,并与常规的回归建模方法进行比较。同时应用实例进行论证,估算结果证明了这种支持向量机回归算法在船型要素建模预测中的有效性和实用性。     

基于支持向量机回归方法的舰船修理价格预测研究

对常规预测方法和支持向量机回归模型用于舰船修理价格预测进行比较，着重分析应用支持向量机进行舰船修理价格预测的具体形式以及方法特点，并给出应用实例，结果令人满意。     

基于支持向量机的可靠性增长费用建模与分析

支持向量机是一种采用结构风险最小化原则代替传统经验风险最小化原则的新型统计学习方法，具有完备的理论基础。首先应用支持向量机原理建立了基于支持向量机的多参数武器装备可靠性增长费用预测模型，然后对我军某型现役装备使用阶段可靠性增长费用数据进行了预测与分析。结果表明，与一般的回归分析相比，基于支持向量机的回归模型具有很好的预测精度。     

基于支持向量回归机和粒子群算法的船舶操纵运动模型辨识

基于仿真的Z形试验数据,应用支持向量回归机对船舶操纵运动响应模型进行了机理建模,从核函数结构中得到了模型中的操纵性指数,并利用建立的响应模型进行了Z形试验的运动预报,同时引入粒子群算法对惩罚因子C值进行寻优,以减少惩罚因子C值选择的任意性对船舶操纵运动模型辨识精度产生的不利影响。通过将运动预报结果同仿真试验数据进行比较,验证了文中方法的有效性。     

基于支持向量机模型的船舶油污损失估算

将支持向量机引入了船舶油污损失赔偿额的估算中,通过从历史船舶溢油事故案例中选取了十组样本数,以污染损失赔偿额与影响因子集作为训练样本,建立了船舶溢油事故污染损失额估算的支持向量机模型.并对支持向量机模型进行仿真训练学习,并将训练好的神经网络应用于对相关案例的估算.研究结果表明应用支持向量机方法进行溢油损失估算结果客观、可靠,为船舶油污索赔和环境保护提供了有力的理论依据.     

舰船方位变化规律灰预测及聚类分析研究

舰船方位序列是一种带有灰色信息的时间序列,灰色系统理论是处理灰色信息的有力武器.文章在分析和阐述灰色系统理论的基础上,将其应用到舰船目标纯方位定位和要素解算领域,解决了传统的困扰解算目标运动要素的一些难点;提出了一些新的概念和方法,如目标方位序列集的概念和采用以某一方位为间隔的各方位区间的方位值数量作为灰色聚类中的灰聚类因子的方法,既可以有效区分不同方位序列集的分类,还能据此反演得到目标速度、航向以及位置信息的大概范围.     

一种基于磁网络法的调制式磁齿轮计算模型

文章提出调制式磁齿轮基于磁网络法的线性磁网络计算模型,对磁场进行求解分析,并应用于具体算例。通过对比分别由磁网络法与有限元法得到的磁密波形,表明该磁网络模型可有效应用于调制式磁齿轮磁场分析,在满足精度的同时可减少计算量,适合于工程设计与优化初选。     

基于径向基神经网络的舰艇磁场推算模型

针对目前数值建模解决舰艇内外磁场推算问题时存在的困难,从智能优化的角度出发,建立了内外磁场之间的径向基神经网络预报模型.该方法避免了利用数值建模存在的诸多困难,即可实现舰艇内外磁场有效推算,并利用船模实验验证了网络预测的准确性,其换算精度相较于数值建模有所提高,满足工程实际需求.     

基于泊松方程的磁罗盘磁域自差修正

电子磁罗盘是现代车辆导航中重要设备,但至今尚未应用到船舶导航上。针对船载磁航向测量中存在的各种误差,分析了船载情况磁罗盘系统误差的形成原因和机理,在此基础上系统地研究了船载特殊情况中数字磁罗盘误差校正问题,并且具体给出基于泊松方程的磁域的误差修正方法,实验结果表明,该方法简单有效地实现磁航向误差校正,且补偿精度高、成本低。     

基于微分进化算法的逻辑斯谛沉降预测模型

预测沉降的逻辑斯谛曲线模型，其函数表达式是一非线性方程，采用传统方法对模型参数进行回归处理往往因为计算复杂和人为因素的影响，而使预测结果带有较大的误差。为此，用微分进化算法来直接估计逻辑斯谛曲线模型的待定参数，从而建立了基于微分进化算法的逻辑斯谛沉降预测模型。基于MATLAB环境编写了算法的实现程序，结合实际工程的沉降观测数据进行了模型的应用研究。实例计算结果表明，基于微分进化算法的逻辑斯谛曲线模型具有良好的适应性，能很好地反映地基沉降变形的规律，拟合实测沉降数据精度较高，该模型具有一定的参考和使用价值；作为一种简单、鲁棒的算法，微分进化算法在求解高维复杂非线性问题中表现出求解速度快、自动化程度高、程序通用性强、初值区间选择无关性等优点。     

基于灰色自回归模型的船舶流量预测方法

结合灰色模型和自回归AR(p)模型,提出两种模型组合的灰色自回归模型,根据实际的船舶交通流量数据,分别运用灰色模型、自回归AR(p)模型和灰色自回归模型,对某港口船舶交通流量的进行预测,通过计算和Matlab仿真,结果表明灰色自回归模型预测精度较高,证明了该模型的可行性。     

基于HHGA-RBF算法的网络态势预测模型研究

安全态势评估作为网络安全态势技术的重要组成部分,对于最终决策的制定起着关键作用。目前关于安全态势评估的研究较为热门,但尚不成熟,其中安全态势预测更处于起步阶段。在对现有网络安全态势评估方法和技术进行调研分析基础上,基于对当前网络安全态势的数据分析,得到量化后的离散数据点,研究得出这些离散数据点在时间轴上具有非线性分布的特点,提出了一种基于HHGA-RBF算法的网络安全态势预测模型,对态势评估输出的数据,采用预测模型对安全态势的发展趋势进行预测。根据网络安全态势的实际特点,对该算法进行了改进,详细讨论了具体的预测算法和执行过程。最后,设计并实现了军用网络安全态势评估软件系统,实现了网络态势预测。     

舰船磁场模型参数在目标识别中的应用

在深入研究舰船磁场单一旋转椭球体建模及其模型参数稳定性的基础上,以该模型参数作为舰船目标识别的新特征量,用人工神经网络方法对船型、航向等目标模式进行识别,达到了良好的识别效果。     

船舶动力定位系统的在线模型预测控制

针对船舶动力定位问题提出了基于线性核函数在线支持向量回归的模型预测控制方案.在线支持向量回归算法的引入可以通过在线调整,确保预测模型的精确性.基于线性核函数的模型预测控制能够方便、迅速地求取控制律的解析表达式,保证控制律的最优性以及算法的快速性.仿真结果证明了该控制方案的有效性.     

基于系统动力学的港口吞吐量预测模型

将系统动力学方法应用于港口吞吐量预测模型。考虑了各种主要因素对港口吞吐量的影响，较好地解决了港口吞吐量预测方法中考虑系统因素较少的问题以及经济、社会发展水平的不确定性等影响港口吞吐量预测所产生的误差问题。采用宁波市港口各相关统计数据对模型进行了仿真和验证．结果证明该模型有效、可行。