基于Gridsearch-SVM梯形区域极点分类的故障诊断

针对一类线性定常系统,基于梯形区域极点配置,给出了执行器部件故障诊断的一种方法。首先,利用极点观测器,通过测量系统的状态,得到极点的动态信息;其次,根据模拟各通道执行器故障,实时采集闭环系统的极点信息,形成极点分类数据库;最后,利用支持向量机算法(Support Vector Machine,SVM)根据不同通道发生故障时极点所处位置不同,设计极点分类器,对极点进行分类,实现对系统的故障诊断。针对SVM中惩罚因子和核宽度系数需要依靠先验知识的缺陷,采用Grid search优化其参数,缩小寻优范围。仿真结果表明设计方案的可行性以及故障诊断的有效性。

THE ACCELERATED SEARCH-EXTENSION METHOD FOR COMPUTING MULTIPLE SOLUTIONS OF SEMILINEAR PDEs

In this paper, we propose an accelerated search-extension method （ASEM） based on the interpolated coefficient finite element method, the search-extension method （SEM） and the two-grid method to obtain the multiple solutions for semilinear elliptic equations. This strategy is not only successfully implemented to obtain multiple solutions for a class of semilinear elliptic boundary value problems, but also reduces the expensive computation greatly. The numerical results in I-D and 2-D cases will show the efficiency of our approach.

基于Grid-GSA算法的植保无人机路径规划方法

为了提高植保无人机的作业效率,研究了一种路径规划方法。运用栅格法构建环境模型,根据实际的作业区域规模、形状等环境信息和无人机航向,为相应栅格赋予概率,无人机优先选择概率高的栅格行进。基于上述机制实现了在形状不规则的作业区域内进行往复回转式全覆盖路径规划;以每次植保作业距离为变量,根据仿真算法得出返航点数量与位置来确定寻优模型中的变量维数范围,以往返飞行、电池更换与药剂装填等非植保作业耗费时间最短为目标函数,通过采用引力搜索算法,实现对返航点数量与位置的寻优;为无人机设置必要的路径纠偏与光顺机制,使无人机能够按既定路线与速度飞行。对提出的路径规划方法进行了实例检验,结果显示,相比于简单规划与未规划的情况,运用Grid-GSA规划方法得出的结果中往返飞行距离总和分别减少了14%与68%,非植保作业时间分别减少了21%与36%,其它各项指标也均有不同程度的提高。在验证测试试验中,实际的往返距离总和减少了322 m,实际路径与规划路径存在较小偏差。验证了路径规划方法具有合理性、可行性以及一定的实用性。

基于多源数据的特长隧道驾驶疲劳模型

为研究驾驶人在特长隧道内驾驶疲劳演变过程及其影响因素,基于实车试验采集的多源数据,对特长隧道内驾驶疲劳分类判别以及驾驶疲劳影响因素关系模型展开了研究。通过差异显著性分析和相关性分析筛选出闭眼百分率P80、瞳孔直径变异系数和加速度作为疲劳敏感性指标,并分析了各指标随行驶时间累积的变化规律。为构建驾驶疲劳分类判别模型,基于卡罗林斯卡嗜睡量表(Karolinska sleeping scale,KSS)主观疲劳检测结果,将疲劳程度划分清醒状态、半疲劳状态和疲劳状态,采用构造多类分类器的方法将不同疲劳状态样本进行组合分类,利用网格搜索法进行分类模型的参数寻优,并将筛选出的疲劳敏感性指标作为分类模型的输入变量,建立了基于网格搜索法的多分类支持向量机疲劳状态判别模型(GS-M-SVMs模型)。然后根据疲劳状态分类判别模型,利用有序多分类Logistic模型建立了特长隧道疲劳程度与影响因素的关系模型,对特长隧道内驾驶疲劳影响因素进行了探究。研究结果表明:疲劳敏感性指标变化规律可有效表征特长隧道内驾驶疲劳演变过程,而GS-M-SVMs模型分类检测准确率达到90.75%,对疲劳程度的分类识别效果较好,并且累积行驶时间和隧道长度显著影响驾驶人的疲劳程度,其模型回归系数分别为2.634和0.395,表明累积行驶时间是驾驶人在特长隧道路段中疲劳程度加重的最主要因素,隧道照度和隧道线形等因素并无显著影响。

GSM-SVM在地震震级预测中的应用

针对地震震级影响因子众多且关系重复等问题,为合理预测地震震级,提出了基于网格搜索法优化支持向量机(support vector machine,SVM)的地震震级预测模型。选取地震累积频度、累积释放能量、b值、异常震群个数、地震条带个数、活动周期和相关区震级等7个影响因子,利用主成分分析法(principal component analysis,PCA)去除因子间的冗余信息,降低输入维数,并利用网格搜索法(grid search method,GSM)确定SVM参数C和g,建立震级预测模型,并对测试样本进行预测,与遗传算法(genetic algorithm,GA)和粒子群算法(particle swarm optimization,PSO)预测结果相对比,结果表明:PCA-GSM-SVM模型预测结果平均相对误差为1.29%,具有较高的预测精度。

基于网格搜索和投票分类模型的喷油器故障诊断研究

为了提高高压共轨试验台对喷油器检修效率,提出一种基于网格搜索和投票分类模型的喷油器故障自动诊断方法。由于压电喷油器故障数据采集困难,使用AMESim软件模拟不同轨压和脉宽状态下压电喷油器可能出现的多种故障情况。随后,将采集到的1 760组数据使用由随机森林、支持向量机和GBM组成的投票分类模型进行训练,并使用网格搜索法优化各分类器的超参数。实验结果表明:该模型对压电喷油器的5种故障状态及正常状态诊断时的准确率、精确率、召回率和F1-score分别为98.86%、99.13%、98.56%、98.83%,表现出较高的准确性和稳定性。该方法能够快速高效地对喷油器故障情况进行定位。

利用地震震级样本数据验证PCA-GSM-GRNN模型的优越性

针对地震震级与其影响指标之间的非线性问题,提出了基于网格搜索法(GSM)和主成分分析法(PCA)优化广义回归神经网络(GRNN)的地震预测模型。采用PCA对震级影响指标进行维度约简,将降维后的主成分作为模型输入向量,地震震级作为模型输出向量,同时选用GSM寻优GRNN最佳参数,利用学习样本对新模型进行训练,最终构建基于PCA-GSM-GRNN的地震震级预测模型。将PCA-GSM-GRNN模型应用于测试样本,结果显示:PCA-GSM-GRNN模型预测结果准确率相较于GRNN-GSM和GRNN模型分别提高5.03%和5.66%,具有良好的预测效果。

2021年玛多M_(W)7.4地震超剪切破裂的动力学机制

采用有限元方法模拟2021年青海玛多M_(W)7.4地震断层产生自发破裂的传播过程,以断层的观测滑移量为约束条件,通过网格搜索方法寻找最优模型。结果表明:1)震源东侧的断层弯折结构是产生突然超剪切破裂的关键因素,这一特殊几何结构使破裂在成核后3~4 s内就产生了超剪切破裂,这与传统超剪切破裂需要很长破裂传播距离的现象不一致;2)玛多地震震源东侧断层产生超剪切破裂,而西侧断层破裂表现为亚剪切,这与通过地震学及大地测量学反演震源破裂过程得到的结果一致;3)断层阶区、平直断层等其他断层的几何结构并不能使玛多地震产生突然的超剪切破裂现象。

随机森林法对北京移动用户体验影响因素研究

目的/意义:移动信息技术是当今社会赖以需求的。提高客户满意度等是提升网络服务质量的最佳方法,也是共同推动移动网络高质量可持续发展的关键步骤之一。方法/过程:使用斯皮尔曼和随机森林对数据进行相关性和量化分析。对影响因素进行研究分析建立数学模型,进行调参处理。得到预测结果。结果/结论:结果表明影响移动用户体验的因素对客户打分影响程度的量化分析和结果。模型精确度89%,准确度强于其余模型。

基于Stacking集成学习的高校录取分数线预测

针对如何准确预测高校录取分数线,帮助高考生做出更加准确的志愿填报决策问题,提出一种基于Stacking集成思想的双层模型。该模型采用机器学习算法暴露特征重要性,融合3个单一算法并使用交叉检验法和网格搜索法进行参数优化。通过在贵州省2018-2022五年高考高校录取数据上进行实验结果表明,该双层融合模型的预测效果优于支持向量回归、决策树、随机森林等单一模型和其他集成模型;预测误差在5分以内的精度超过95%,平均绝对值误差低于2.43;较单一模型中表现最好的梯度提升指标分别提升44%和19%,提升了预测效果,为未来分数线预测提供了新的方向。

淮安市公园绿地空间分布及其可达性分析

利用高德地图公开的公园兴趣点数据、天地图在线影像以及淮安市第七次人口普查数据,使用平均最近邻指数、标准差椭圆分析法、地理集中指数和网格化的高斯两步移动搜索法等多种方法研究淮安市绿地空间的分布、变化趋势,并对可达性进行评价。通过卫星影像解译提取研究区绿地面积,发现淮安市绿地数量上以小型点状绿地为主、面积上呈现以大型点状绿地占主导的分布格局;研究区绿地呈聚集态势;绿地呈现东北-西南方向的分布;各区的绿地分布不平衡,呈现集中特征;可达性是以公园绿地为中心,具有明显的“圈层式”分布特征,高值区出现在中间区域,即主城区,可达性范围在0—1303.56之间,仍有较高水平。认为淮安市绿地分布呈现明显的聚集特征,分布不均衡,且具有较高的可达性。

基于改进麻雀搜索算法的接地网腐蚀故障定位

接地网是电力系统正常运行的重要组成部分,接地网的接地阻值直接关系到系统稳定、安全保护、电流整定等系列问题。接地网所用材料主要为普通碳钢或者镀锌碳钢,而接地网常年埋于地下,易发生腐蚀而造成故障,需要及时进行腐蚀故障定位并进行修复。随着电气系统的快速发展,对接地网的性能要求更加严格,这对接地网腐蚀定位的精度和准确度提出了更高要求。针对当前接地网腐蚀定位准确率不高的情况,本文提出一种基于改进麻雀搜索算法的接地网腐蚀故障定位方法(INLSSA),采用ICMIC混沌映射,融合北方苍鹰优化算法勘探阶段位置策略,并在跟随阶段加入莱维飞行扰动对麻雀搜索算法进行了改进;基于电网络理论和微量处理法建立故障诊断模型;最后利用INLSSA算法进行求解。实验结果表明,与麻雀搜索算法、北方苍鹰优化算法、灰狼优化算法、蜣螂优化算法、金豺优化算法相比,INLSSA算法能有效进行故障定位,稳定性好,准确率高,可为实际接地网故障定位所参考。

综合近震及远震波形反演2006文安地震(M_w5.1)的震源机制解

2006年7月4日,在距离北京100km左右的文安地区,发生了Mw=5.1级地震,引起了北京地区的强烈震感.为了更好的认识区域构造,我们利用近震及远震波形反演的方法得到了此次文安地震的震源机制.选择了北京数字地震台网的9个地震台,震中距小于600km,台站的方位角覆盖较好.为了更好地利用信号相对较弱的P波信号,对于一个地震记录,本文分别截取出P波和面波两个部分,分别给予不同的权重进行反演,结合格点搜索的方法,得到了与记录P波及面波三分量对应较好的地震的方位角、倾角和滑移角.同时考虑到北京西北地区地壳较厚,本文在利用F-K方法计算近震理论波形的时候,对不同的方位角,采用了不同的地壳速度模型.随后结合远震信号中的直达P、pP、sP波形得到了分辨率较高的地震震源深度.反演结果表明,此次文安地震是一个较为典型的走滑型地震,方位角为210°,倾角80°,滑移角-150°,地震的深度为14～15km,地震的震级为（Mw=5.1）.反演结果与断层的几何分布、余震分布及北京地区北北东向应力场有很好的一致性.

用格点尝试法求解P波初动震源机制解及解的质量评价

P波初动符号物理图像明确,是稳定的地震波信息.在资料充分时,可以较好地确定震源机制解.网格搜索法是目前流行的利用P波初动符号求解地震震源机制解的方法.不过,在实际观测资料不充分时,虽然较迭代算法优越,但网格搜索法依然有较大的不确定性.到目前为止,人们还没有找到合理的解决方案,极大地制约了这一类方法的应用.针对这一现状,本文在许忠淮提出的格点尝试法的基础上对网格搜索法进行了几个方面的改进.首先,采用新的加权方法计算加权矛盾比:权重因子包括反映初动符号质量的权重以体现资料质量的影响;不包括反映观测点与节面距离的权重以避免因节面附近资料权重的双重减小带来的系统偏差;通过减小震源球上密集资料点的权重以部分地抵消震源球上P波初动符号资料分布不均匀对可能解的影响.在通过加权矛盾比筛选可能的震源机制解时,把震源球分为面积相对均匀的网格进行解的搜索,避免了因网格划分不均匀所导致的平均解的计算偏差.针对资料不足情况下震源机制解会受控于个别观测点P波初动符号的情况,我们借鉴杰克刀(jackknife)技术,在可选解中增加了那些一个观测点被去除后的可选解,既对解的质量有了更好的把握,又增加了找到真解的可能性.进一步地,针对可选解存在多个解簇的情况,本文提出了通过聚类提供多组可选解的做法.最后,针对目前缺乏对解的合理评价体系的现状,提出了主要基于解的离散度并参考加权最小矛盾比对震源机制解质量进行评价的新方案.

基于改进SVM算法的高分辨率遥感影像分类

针对面向对象高分辨率遥感影像分类样本维数多、数据量大的特点,提出了一种简单的支持向量机(support vector machine,SVM)改进算法。首先对原始样本数据进行主成分分析(principal component analysis,PCA)实现降维,对降维后的样本数据进行SVM分类器训练,利用网格搜索法得出降维数据的最佳参数;以此参数作为基准,对基于原始样本数据的SVM分类器参数搜索范围进行重新设定,从而快速获取原始样本数据的最佳SVM分类器参数,并实现分类。利用2景World View2高分辨率影像分别对城市土地利用以及林木树种进行分类实验,比较分析传统SVM算法、仅基于PCA降维样本数据的SVM算法以及改进的SVM算法在分类精度与效率方面的差异。实验结果表明,改进的SVM算法能够快速有效地寻找最佳SVM分类器参数,并获得较高的分类精度。

基于网格搜索算法的PCNN模型参数自适应

为提高利用脉冲耦合神经网络(pulse coupled neural network,PCNN)模型进行人脸识别时的准确率,并解决利用PCNN进行人脸识别时,模型中多个参数需凭经验设定的问题,提出一种基于脉冲发放强度的PCNN(QD-PCNN)模型和改进的网格搜索算法。QD-PCNN模型在简化的PCNN模型基础上,引入脉冲发放强度,细化模型的输出。改进的网格搜索算法在进行参数寻优时,根据识别对象,在较大范围内搜索,在得到的寻优结果附近区域进行精确搜索。在实验中,将通过改进的网格搜索法得到的参数组合运用到QD-PCNN模型中进行人脸识别,实验结果验证了该方法的有效性。

基于长短期记忆神经网络补全测井曲线和混合优化XGBoost的岩性识别

为克服已有岩性识别方法中存在的不足,提出一种粒子群优化算法和网格搜索法对XGBoost算法混合寻优的岩性识别方法。由于某些测井曲线中存在缺失值,首先通过长短期记忆(LSTM)神经网络建立时间序列预测模型重新生成缺失的测井曲线值,为后续的岩性识别奠定基础;其次引入XGBoost算法构建岩性识别模型,利用粒子群优化算法确定XGBoost算法中浮点型超参数的最优值和整型超参数的寻优范围,在此基础上通过网格搜索法确定整型超参数的最优值,获得岩性识别模型;最后利用测试数据集对该岩性识别模型进行测试。结果表明与随机森林、未经优化的XGBoost算法、决策树、支持向量机和朴素贝叶斯相比,在不同岩性识别中粒子群优化算法和网格搜索法对XGBoost算法混合寻优的岩性识别方法的表现最为优异;粒子群优化算法和网格搜索法混合寻优的XGBoost算法应用到油田不同岩性识别中可在一定程度上克服已有岩性识别方法的不足,提高岩性识别的效率与准确率。

说话人识别中支持向量机核函数参数优化研究

在基于SVM的说话人识别系统研究中,如何获得理想的识别率是亟待解决的问题。SVM核函数是众多影响识别率因素中最明显的。该系统提高识别率的技术关键是SVM核函数的选取及其参数优化。为此,在对三种常用核函数的特点进行研究的基础上,利用网格搜索法来分别进行参数优选,通过实际语音的训练和识别验证识别效果。目前优选参数可以实现识别率≥99.9%且识别时间<0.1 s。

基于网格搜索-支持向量机的采场顶板稳定性预测

为准确、快速地预测采场顶板稳定性(SRS),建立基于支持向量机(SVM)理论的SRS评价法。考虑煤-岩石介质与环境条件和工程因素,研究岩石单轴抗压强度、岩石质量指标(RQD)、煤体抗压强度、顶板水文状况和工作面月推进速度对SRS的影响。建立SRS识别的SVM模型。为提高预测模型的泛化能力和预测精度,利用网格搜索法(GSM)及10折交叉确认寻优方法对SVM模型的参数进行优化。用该模型对5组待判工程实例进行判别。研究结果表明,模型训练样本10折交叉确认准确率达91.3%,对测试样本识别正确率为80%,识别结果与实际较吻合。

基于支持向量机的船舶操纵运动黑箱建模

根据船舶自航模15°/5°Z形试验结果,应用最小二乘支持向量机对船舶操纵运动进行了黑箱建模,针对支持向量机参数选择的不确定性,使用网格搜索法进行了参数寻优;应用所建立的支持向量机回归模型对该自航模的10°/1°,25°/5°Z形试验及35°回转试验进行了操纵运动预报.预报结果同试验结果相比吻合良好,证明了支持向量机应用于船舶操纵运动黑箱建模的有效性,以及网格搜索法在支持向量机参数寻优中的可行性.