基于随机森林和支持向量机的高性能混凝土抗渗性预测研究

为了实现对混凝土抗渗性快速而精确地预测,提出了一种基于随机森林(RF)和支持向量机(SVM)的RF-SVM预测模型。首先以氯离子渗透系数为抗渗性评价指标,基于原材料配比确定了混凝土抗渗性的初始指标体系,然后利用随机森林算法结合后向剔除法进行指标筛选,剔除了冗余指标,得到了用于支持向量机建模的最优指标集,最后在此基础上建立了基于支持向量机的混凝土抗渗性预测模型,并研发了RF-SVM算法。以东北某高速公路项目为背景进行应用分析,结果表明,所提出的RF-SVM模型能够有效筛除冗余因素,得到精度较高的预测结果,且预测结果满足工程实践的要求,能够为混凝土抗渗性预测提供一种快速有效的方法。     

基于同步优化的代价敏感支持向量机优良类操作模式识别

针对氧化铝蒸发过程操作模式集中类别不平衡和噪声特征问题,提出基于同步优化的代价敏感支持向量机操作模式识别方法。对氧化铝蒸发过程机理进行分析,该过程的输入条件、操作参数和状态参数被选为原始操作模式,利用离散的粒子群算法优化操作模式的特征集,选择最优特征子集作为最终的操作模式;同时利用连续的粒子群算法优化代价敏感支持向量机的核参数和误分类代价参数,自动搜索和确定最优的核参数和误分类代价参数。工业应用结果表明,与粒子群优化操作模式特征子集或粒子群优化核参数和误分类代价参数相比,所提出的方法优良类操作模式识别高,误分类代价低。     

基于稀疏特征空间的核方法建模研究

为提高支持向量机在建模方面的拟合性能,针对核函数方法中单个核函数的局限性,尝试融合核支持向量机建模方法以提高模型的泛化能力和精度。为避免在进行核融合时,支持向量机稀疏性的缺失,提出将数据映射到稀疏特征空间进行研究。通过仿真研究表明,所建模型在保证稀疏性的前提下,能较好地提高建模精度,从而验证了算法的有效性。     

基于模拟退火算法和支持向量机的粘液形成菌识别

针对获取的工业冷却水中的粘液形成菌图像,采用形状不变矩、统计法和分形法分别从形状和纹理两个方面对其进行了特征提取,然后将模拟退火算法应用于图像识别中支持向量机分类参数C和g的优化,并与网格搜索法优化结果进行了对比,结果表明参数优化速度提高了5.736倍,分类器的识别率提高了2.31%.采用模拟退火-支持向量机分类器对粘...     

基于支持向量机的氨含量预测模型

氨合成反应器出口氨含量与其影响因素间存在较强的非线性关系,为其建模,可预报氨含量,进而指导生产、优化反应器的操作.本文运用具有较强的非线性拟合能力和基于结构风险最小化原则的支持向量机,建立了氨含量的预测模型,验证表明,该模型具有较强的拟合和预测能力.     

免疫文化算法及其在乙烯裂解炉故障诊断中的应用

引言迄今为止,科研人员已经根据生物进化的机理提出很多用以解决复杂优化问题的方法,如遗传算法、蚁群优化算法、粒子群优化算法等。然而这些传统的进化算法只提供有限的或者隐性关于种群个体经验的知识表示和保存机制,这就让研究人员开始寻找一种利用显性机制来获取并保存种群进化求解知识和经验。在人类学的角度上,文化通常被看成是保存信     

基于最小二乘支持向量机的天然气负荷预测

对城市天然气负荷预测的研究,对于保证天然气管网用气量、优化管网的调度和设备维修具有极其重要的意义．在国内,对于城市天然气负荷预测的研究才刚刚起步,目前还没有较系统的理论．同技术与理论较为成熟的电力负荷预测研究相比较,两者既有许多相同点,又有不同之处．相同之处在     

三元可燃性液体水溶液闪点的理论预测

为了预测三元互溶可燃性液体水溶液的闪点,分析确定了影响混合溶液闪点的主要因素,如沸点、相对分子质量、相对密度、饱和蒸汽压、表面张力等。将这些因素作为输入变量,应用支持向量机算法对混合溶液闪点与其对应理化参数之间的内在定量相关性进行了研究,建立了三元互溶可燃性液体水溶液闪点的理论预测模型。对预测模型进行了验证,讨论了模型的有效性和可靠性;解释了模型反映的机制,明确了混合溶液闪点的主要影响因素及其重要程度。     

基于向量投影的代谢支持向量机乙烯精馏产品质量软测量建模

针对支持向量机(SVM)增量学习过程中易出现计算速度慢、稳定性差的缺陷,提出了一种基于向量投影的代谢支持向量机建模方法.该方法首先运用向量投影算法对训练样本进行预选取来减少样本数量,提高SVM建模速度.然后将新增样本\"代谢\"原则引入SVM增量学习过程中,以解决因新增样本不断加入而导致训练样本数量\"爆炸\"的问题.最后将该方法用于乙烯精馏产品质量软测量建模,实验结果表明,与传统SVM和最小二乘支持向量机(LSSVM)相比,向量投影的代谢SVM具有更好的预测结果.     

巴伦诺尔一矿煤发热量的综合预测

通过分析巴伦诺尔一矿煤质得到了17组煤质分析数据,包括Mad,Ad,Hdaf,Qgr,d。利用多元回归分析的原理,建立煤的发热量关于煤中水分和灰分含量的多元回归方程,并通过R检验、F检验、t检验,证明了回归方程的作用显著,即具有实用价值。但是线性回归分析仅能对煤的发热量进行估算,并不能精确预测。因此,采用了支持向量机(SVM)算法对多元线性回归的初步预测结果进行小范围修正,修正结果显示总体预测精度明显提高,这2种方法的结合,效果优于常用方法。     

基于离散粒子群的气液二相流型特征选择

针对气液二相流型识别中存在的大量无关或冗余的特征会降低分类器性能的缺陷,提出了离散粒子群算法(BPSO)和最小二乘支持向量机(LS-SVM)封装模式的流型特征选择方法.该方法分别采用小波包和经验模式分解方法(EMD)对原始压差波动信号进行分解,分别提取原始信号和各分解信号的时域量纲一指标组成融合特征.然后采用BPSO进...     

基于最小二乘支持向量机的蜡沉积速率预测

考虑蜡沉积影响因素的复杂性和最小二乘支持向量机在小样本预测方面的优势,基于最小二乘支持向量机预测的原理,通过优化最小二乘支持向量机的参数,建立了蜡沉积速率的预测模型,并对蜡沉积速率进行了预测。结果表明：该方法在样本数量较小时仍具有较高的精度,蜡沉积速率的预测值和实验值的吻合程度较好;最小二乘支持向量机建模时可以得到直观的函数表达式,而神经网络方法却不能得到模型的显式表达式,因此该方法具有明显的优势;应用径向基核（RBF）作为核函数时,不同初值的正则化参数?和核函数宽度?对预测结果具有较大影响,使用时应合理选择。     

基于深度集成支持向量机的工业过程软测量方法

基于支持向量机（SVM）的软测量建模方法已经在工业过程控制领域得到广泛应用,然而传统支持向量机直接针对原始测量变量建立模型,未能充分挖掘数据的内在特征信息以提高预测精度。针对该问题,本文提出一种基于深度集成支持向量机（DESVM）的软测量建模方法。该方法首先利用深度置信网络（DBN）来对数据进行深层次的信息挖掘,提取出数据的内在特征,然后引入基于Bagging算法的集成学习策略,构建基于深度数据特征的集成支持向量机模型,以提升软测量预测模型的泛化能力。最后通过数值系统和真实工业数据对方法进行应用分析,结果表明本文提出的方法能够有效提升支持向量机软测量模型的预测精度,能够更好地预测过程质量指标的变化。     

磨机减速机滚动轴承特征提取和故障诊断研究

滚动轴承是水泥磨机减速机的核心组件,同时也是故障频发的部件之一,为保证其健康、安全、高效的运行,本文将独立分量分析(ICA)与支持向量机(SVM)方法结合,为磨机减速机滚动轴承的故障诊断提供一个新的思路。首先提取轴承不同故障状态下观测信号的独立分量,再对独立分量(ICA)进行奇异值分解从而得到特征信息,最后联合支持向量机(SVM)将特征信息进行故障识别。数据处理结果表明这种特征提取的方法是有效的。