基于优化SVM模型的立铣刀在机崩刃监测技术研究

随着加工精度要求不断提高,切削过程中,对刀具在机磨损或崩刃状态进行在机实时监测的需求日益增加。本文以声发射和主轴功率为监测信号,通过提取时域、频域和时频域的有效特征,构建了基于融合信号的平底立铣刀在机崩刃SVM监测模型;采用网格搜索、粒子群和遗传算法优化SVM模型参数,并在实际切削环境中,将平底立铣刀的崩刃监测效果进行对比。结果表明:基于遗传算法优化的SVM模型对铣刀崩刃状态监测效果最佳。

基于SVM模型的农村金融机构农户信用风险评价体系研究——以黑龙江省为例

目前,对农户信贷风险的评估方法很多,但大多采用专家主观判断法、统计判别分析法,主观性强,受样本数量限制。随着引入人工智能技术,出现了遗传算法、神经网络模型、支持向量机、随机森林等方法。在诸方法中,SVM是一种适用于少量样本的学习方法,可用于处理线性和非线性分类问题,尤其适用于农户信贷信息获取少而难的评估。文章运用农户信贷理论,以黑龙江省某农商行为主要研究对象,分析了农户贷款信用风险管理和评价体系现状,运用SVM模型和主成分分析构建了农户信用风险评价指标体系,并运用某农商行的数据进行了实证分析研究。得出结论:SVM模型在所有数据集上表现最好,其提取规则的准确性超越了传统的分类方法,可用作特征选择法的基础来确定违约风险重要的特征。

基于SHALSTAB-SVM模型的降雨型滑坡危险性评价:以云南省大关县为例

我国是降雨型滑坡地质灾害频发国家之一,频繁发生的滑坡灾害对社会经济发展和人民生活质量造成不同程度的影响。针对我国长期面临的降雨型滑坡灾害威胁,本研究提出采用SHALSTAB和SVM模型相结合的方法,充分利用了SHALSTAB模型对降雨入渗影响边坡稳定性评价的优势和SVM模型对非线性数据的处理能力,开发形成SHALSTABSVM模型。本次研究选择云南省大关县作为研究区域,深入探究降雨型滑坡的危险性评估。研究结果表明,该模型的评估精度,由单一SHALSTAB模型的82.7%提高至SHALSTAB-SVM模型的94.5%,精度提升达到14.268%。这一显著提升彰显了融合模型在准确分析降雨型滑坡危险性预测方面具备更高的准确性。同时,卫星影像解译情况表明预测结果与实际滑坡情况相符,进一步验证了该模型在实际应用中展现出了高度的准确性。该研究不仅在大关县滑坡灾害风险评估方面具有重要意义,同时也为类似地区或其他类型地质灾害的预测和评估提供了宝贵的参考。

基于AdaBoost模型和SVM模型的铁水温度预测

以某炼铁厂3号高炉实际生产数据为基础,针对原始数据存在的重复值、缺失值和异常值等问题进行数据处理,选用AdaBoost模型和SVM模型对铁水温度进行预测。结果表明,AdaBoost模型相较于SVM模型取得更好的预测效果,R达到0.878,±5℃预测准确率为85.21%,可满足高炉实际生产需要。基于高炉炼铁数据仓库系统,建立FineBI前端工具与铁水温度预测应用的数据连接,构建由特征参数、相关性分析、预测结果、模型评估和预测曲线等模块组成的前端界面,实现了高炉铁水温度预测应用的可视化展示。

基于SVM模型的排水采气效果预测研究

为解决目前排水采气工艺效果预测不佳的问题,以涡流排水采气为例,采用SVM(support vector machine)模型进行效果预测,充分考虑地层压力、油藏中深、孔隙度、渗透率、产水量、产气量、气水比等影响涡流排采效果的因素,收集7个区块涡流排水采气影响因素参数作为输入向量,平均单井日增气量和平均单井日增水量作为输出向量,通过样本训练确定SVM模型最优惩罚参数C为22.1453,最优的γ为0.30885,控制误差为0.01。利用建立的SVM模型对T气田C1、C8井涡流排采生产情况进行预测,并与实际生产情况进行对比,结果表明平均单井日增气量相对误差为8.57%,平均单井日增水量相对误差为7%。研究表明基于SVM涡流排水采气效果预测模型预测值与实际值接近,模型预测结果准确可靠。

BP神经网络和SVM模型对施加生物炭土壤水分预测的适用性

生物炭作为土壤改良剂对半干旱区土壤水分有良好的吸持作用,为确定施加生物炭对土壤水分预测模型适用性的影响,依托黄土高原半干旱区固原生态站开展了小区定位试验。向土壤中施加不同种类及比例的生物炭,定期监测土壤水分含量;考虑土壤含水量的非线性特征以及生物炭对土壤水分的影响,选取BP神经网络和SVM支持向量机两种模型,建立施加生物炭土壤水分预测模型。计算预测值,并与实测值对比,分析相对误差;利用RMSE、MRE、MAE和R2评估BP神经网络和SVM模型的精度。结果表明;BP神经网络预测值的平均相对误差为3.78%,最大误差为13.14%;SVM模型的平均相对误差为0.56%,最大误差为2.42%。SVM模型的RMSE、MRE、MAE值(分别为0.34~0.17,0.07,0.56~1.27)均小于BP神经网络的(分别为1.04~1.16,0.47~0.68,3.78~4.57),且决定系数R2值SVM模型(0.96~0.99)大于BP神经网络(0.56~0.64)。BP神经网络和SVM模型均能很好地预测施加生物炭的土壤水分,但SVM模型预测结果更加稳定,精度较高,更适于施加生物炭土壤水分的预测。该研究可为半干旱地区生物炭还田土壤水分的预测及管理提供理论依据。

样本数目不对称时的SVM模型

The paper briefly introduces the principle of SVM in sorting first. Then using normal distribution as an example,the paper points out that the SVM can not get excellent sorting ability when the sample numbers of different class are different greatly. A method has been designed to compute the penalty parameter to error samples. On the basis of different penalty parameter an advanced SVM algorithm has been developed. Two simulated examples show the new algorithm is feasible.

基于优化SVM模型的网络负面信息分类方法研究

提出一种基于优化SVM模型的网络负面信息分类方法.该方法根据SVM建立的网络负面信息分类模型,针对模型中相关参数难以确定的问题,利用人工鱼群算法对SVM进行优化,利用优化的SVM模型对网络负面信息进行分类,实现对网络负面信息分类.实验结果表明,利用改进算法进行网络负面信息分类,能够提高网络负面信息分类的准确性和实时性,效果令人满意.

基于边分类的SVM模型在社区发现中的研究

社区发现是复杂网络研究的重要内容,也是分析网络结构的重要途径。分析了社区发现研究中存在的问题,提出了一种基于边分类的SVM模型。通过边顶点相似度和边介数来表示边的特征,从而构造分类函数。利用LFR生成社区结构已知的人工网络,通过人工网络数据训练基于边分类的SVM模型,对分类函数的参数进行估计,利用训练模型对真实网络进行社区分类并通过标准化互信息(NMI)和整体准确度来评价分类效果。实验得到了较高的整体准确度和NMI值。实验表明基于边分类的SVM训练模型对真实网络数据的社区划分有较高的准确度,表明该方法是可行的。

汽轮发电机组故障诊断GA-SVM模型方法的研究

基于结构风险最小化 [1]的支持向量机是一种新的机器学习方法,具有适应小样本学习和提高学习机泛化性能的优点,详细介绍了将其应用于汽轮发电机组的故障诊断的研究结果,包括结合遗传算法进行模型参数的优化选择,建立联合模型,通过对现场采集的故障样本进行的分类试验,并同BP神经网络方法进行了比较,结果显示本文所述方法具有较高的诊断准确率。

MLR和SVM模型在水电工程价格指数预测中的应用

水电工程价格指数综合反映不同地区各年度投资变化趋势,价格指数的准确预测可为政府和业主宏观控制工程总投资提供参考数据,对造价控制尤为重要。以2005~2015年水电工程综合价格指数及各类调价因子为基础,建立多元线性回归（MLR）和支持向量机（SVM）价格指数预测模型,对比分析两模型的实效性。实证表明,当样本容量较小时,MLR预测模型更为适用,精度达99.73%,标准差低达0.002 9;当样本容量较大时,SVM模型对水电工程价格指数预测精度更高,达99.77%,可见所提方法对价格指数预测精度高、稳定性强,能为造价管理提供参考。

SVM模型在河南省中小企业技术创新能力评价中的应用

通过建立科学完整的评价指标体系,对中小企业的技术创新能力进行客观而准确的测度和评价。建立的指标体系,主要从创新决策能力、资源投入能力、研究开发能力、制造能力、市场营销能力、创新管理能力六个方面进行全面的思考和总结。

基于GA-SVM模型的福建省失业率影响因素灵敏度分析

近年来,福建省的失业率和失业人数不断攀升,严重阻碍了海峡西岸经济区的建设工作,因此,亟需找出影响失业率的敏感因素,为相关部门制定积极、有效的就业政策提供可靠的理论支持。鉴于此,基于相关失业理论和福建省就业现状构建了福建省失业率影响因素指标体系,应用参数自适应优化的GA-SVM模型对影响失业率的19个因素进行单因素灵敏度分析,最终得到"经济活动人口"、"平均受教育年限"和"R&D支出占GDP比重"3个敏感因素,并据此提出相关政策建议。

基于SVM模型的AZ31合金成型工艺与性能研究

对平行于板面方向(RD)、成45°方向和垂直于板面方向(TD)成型的AZ31合金板材的金相组织和常温力学性能进行了分析,并基于SVM模型得到了AZ31合金板材的成型极限图。结果表明,随着成型方向从TD方向转向RD方向的过程中,AZ31合金板材中的挛晶数量有逐渐降低的趋势;沿着RD方向成型的板材在RD方向的n值最大,45°方向的r值最小;沿着TD方向成型的板材,在取样方向从TD转向RD过程中,n值逐渐降低,在TD方向取得r最小值;沿着45°方向成型的板材,在取样方向为45°方向时取得n的最小值和r最大值。SVM模型可以较好地预测AZ31合金板材在拉伸状态下的成型极限。

基于SVM模型的地方法人投保机构风险预警研究

文章基于某市地方法人投保机构面临的主要风险,构建了地方法人投保机构风险预警指标体系,采集辖内19家地方法人投保机构2015年一季度至2019年二季度18个时期的面板数据,运用主成分分析法来确定指标权重,据此量化单体机构的风险综合值,并运用机器学习中的SVM模型对单体机构进行风险预测。研究表明,文章构建的地方法人投保机构风险预警指标体系能够反映辖内机构实际面临的主要风险,实现了以较少的指标来映射机构的风险实际;样本期间农信社系统风险较大,但呈现出改善之势,村镇银行的风险呈劣化之势,大部分机构处于风险状态;以SVM模型预测地方法人投保机构风险具有一定可靠性,其风险预测的精度和稳定性较高,可用来指导地方法人投保机构的风险预警工作。文章进而提出完善监测预警体系、加强金融风险预警信息共享机制建设、建立监管协调机制等政策建议。

基于SVM模型的CO_(2)排放量分析

本文首先对世界银行发布的1960-2011年世界各国CO_(2)排放量进行分析,截取每年碳排放量前十的国家并选取关键年份进行对比分析,得出自2005年后,中国的碳排放量居世界第一,但人均碳排放却不及发达国家。其次通过对比决策树模型、岭回归模型,最终采用基于多项式核函数的SVM模型构建中国和美国1960-2011年的碳排放总量的预测模型,用该模型预测2012-2022年CO_(2)排放量,经与真实值对比,预测结果除2019年波动较大其它年份均与真实值基本相符。充分验证了SVM模型更适用于小样本训练集,且有较优的泛化能力。

基于HOG+SVM模型的场景文字二次检测算法

针对基于边缘检测的文字定位虚警率过高的问题,提出了一种基于Canny边缘检测和HOG+SVM模型相结合的场景文字检测算法。首先采用基于Canny边缘检测和文字的几何约束条件得到候选文字区域,再利用HOG+SVM模型对候选文字区域进行二次检测,过滤掉大部分非文字区域。实验结果表明,该算法能够有效地去除基于边缘检测算法产生的误检区域,大大降低了基于边缘检测的场景文字定位的虚警率,并对背景复杂的图像也具有一定的鲁棒性。

结合词语规则和SVM模型的军事命名实体关系抽取方法

抽取作战文书中的军事命名实体关系,是实现作战文书语义理解的一种有效方法。在分析作战文书中军事命名实体词语规则的基础上,提出了一种结合词语规则和SVM模型的军事命名实体关系抽取方法。首先,使用词语规则整合作战文书中连续出现的军事命名实体并抽取其关系,使其更加适合SVM模型。然后,使用SVM模型对传统规则模板难以使用的词窗、词性和距离等特征进行建模,抽取军事命名实体关系。实验结果表明,优先利用词语规则能充分提高SVM模型抽取军事命名实体关系的效果,与单纯使用SVM模型相比,准确率和召回率分别提高了8.73%和41.71%。

基于商空间的黄金价格SVM模型预测

结合商空间理论和支持向量机方法,根据黄金价格的价格因子对我国黄金价格进行预测。采用Person相关系数法,对现阶段黄金价格的9个价格因子与黄金价格的相关性进行比较,筛选出相关系数较大的5个价格因子,并通过Granger因果检验,得出可能导致黄金价格变化的2个价格因子;将Person相关系数法和Granger因果检验选出的7个因子作为黄金价格预测的主要价格因子,结合商空间理论,按照时间属性,将黄金价格论域划分为年、季、月3个粒度,建立3层商空间,并进行粒度的合成和计算。然后建立基于商空间理论的支持向量机预测模型,预测得出年、季、月粒度的黄金价格预测值分别为8122.4,7947.506和8089.5元/金衡盎司,合成结果为8053.1元/金衡盎司。将预测结果与GM(1,1)预测值和实际黄金价格进行对比,证明该模型的预测结果在误差允许范围内,优于传统的价格预测方法。

一种航空发动机SVM模型辨识方法与仿真

航空发动机是一个十分复杂的气动热力过程系统,具有很强的非线性,为了对航空发动机进行有效的控制及故障诊断,研究其工作特性,必须建立其数学模型。依据某型航空发动机试验数据,采用基于将试验数据代入对象方程的算法进行系统辨识,建立了该型发动机某一稳态点的状态变量数学模型(State Variable Model)。验模表明,所建模型精度较高,鲁棒性好,能够实时准确反映发动机性能,满足后续控制系统的研究和设计。