基于PS-InSAR技术的晋城矿区地表形变监测及地质灾害风险预警

地表形变是一种严重的地质灾害现象,不仅严重影响灾害区居民的日常生活,而且会造成巨大的社会经济危害,尤其在采煤区。针对传统地表沉陷监测方法费时费力、无法获取地表沉降面状信息、难以进行地表沉陷灾害评估的不足,基于高分辨率SAR卫星影像,利用永久散射体合成孔径雷达干涉测量(PS-InSAR)技术对山西省晋城市晋城矿区2018年1月至2018年12月期间地表沉陷进行监测,分析获取了该地区地表连续形变情况,并利用该技术获取的海量PS点建立支持向量机(SVM)地质灾害风险评估预警模型,对晋城矿区周边居民点地质灾害风险进行了识别和预测。结果表明:晋城矿区10个煤矿及其周边区域存在较大的地表形变;晋城矿区平均LOS向年平均地表形变速率范围为-37~30.3 mm/a;PS-InSAR技术在晋城矿区地表形变监测中具有可行性,且可以实现矿区地质灾害风险综合识别和预警。

卒中后吞咽障碍临床决策支持系统的构建及应用评价

目的 构建卒中后吞咽障碍临床决策支持系统,并评价其在卒中后吞咽障碍识别与防控管理中的应用效果。方法 将急性缺血性脑卒中患者按入院时间分组,2023年7-9月(系统应用前)收治的患者33例为对照组,2023年10-12月(系统应用后)收治的患者33例为观察组。对照组在常规护理基础上进行改良洼田饮水试验,根据筛查结果进行饮食指导、经口进食安全教育、动态评估吞咽功能。观察组采用卒中后吞咽障碍临床决策支持系统(基于计算机语言和数据库模型构建,包括预警筛查、智能评估、风险警示、决策分析、评价提醒五大模块)筛查和评估患者吞咽障碍情况,并根据评估结果实施护理干预。评价系统应用前后患者吞咽功能筛查率、筛查结果准确率,以及护士吞咽障碍管理知识和行为得分、临床护士应用体验感。结果 观察组吞咽功能筛查率显著高于对照组(P<0.05);系统应用后临床护士吞咽障碍管理知识和行为得分显著高于应用前(均P<0.05);临床护士对系统使用体验感总分为(99.40±4.81)分。结论 构建的卒中后吞咽障碍临床决策支持系统可辅助护士在线决策,规范护士吞咽障碍管理行为,提高卒中患者吞咽功能筛查率,有效实施吞咽障碍防控措施,改善卒中后吞咽障碍管理质量,保证患者安全。

基于DBN-MFSVM的玉米跨境供应链风险预警方法

针对当前玉米跨境供应链系统中存在大量的非结构化数据,具备多源异构特点。传统的风险预警方法存在过度依赖人工决策、预警准确率偏低等缺陷。为解决上述问题,提出基于深度置信网络和多类模糊支持向量机的玉米跨境供应链系统风险预警方法。首先基于嵌入编码与归一化原理,预处理玉米跨境供应链系统中的大量非结构化数据,转化为结构化数据,便于后续计算;然后基于深度置信网络,提取数据高纬度特征,自适应挖掘出玉米跨境供应链系统中风险指标变化趋势与关联性;最后将提取出的高维度特征输入到多类模糊支持向量机模型中进行训练,实现玉米跨境供应链风险分级预警。所提算法能够在运行时间相近的情况下,准确率达到94.88%,较最差算法提升52.17%,综合性能较其他算法优越,能够为玉米跨境供应链系统风险监管应用提供理论支撑。

机器学习算法在房地产企业财务风险预警中的性能比较

基于AdaBoost-SVM的房地产企业财务风险预警模型将支持向量机(SVM)和自适应增强(AdaBoost)算法结合在一起,选取19个财务指标,基于60家房地产上市公司2005—2021年的财务面板数据进行仿真计算以及同类预警模型性能对比分析。结果表明,构建的算法模型在企业财务风险评估预测性能上优于同类4种算法模型,可有效帮助房地产企业提前预警潜在危机,防范财务风险,提升企业的竞争能力。

基于UML的供应链危机预警支持系统的建模与开发

介绍供应链危机预警支持系统,它能够对供应链运营过程中所面临的危机进行事先的识别与判定,从而及时地为供应链系统经营者决策提供参考和警告,从而有效防范风险。然后用统一建模语言UML(UnitedModelingLanguage)从功能角度对供应链危机预警支持系统进行建模,即需求模型、对象模型和体系结构模型三个子系统的建模;并开发供应链危机预警支持系统原型,实现及时预警功能。

基于支持向量机的集团信用风险预警研究

针对我国现有信用风险预警模型普遍以单一企业为样本,无法反映集团信用风险状况的问题,采用支持向量机算法,建立了企业集团信用风险预警指标体系,利用全国大额贷款和授信企业集团客户样本数据进行训练,提出了基于支持向量机的集团信用风险预警模型。理论分析及预警数值试验结果表明:基于支持向量机的集团信用风险预警模型与传统的基于逻辑回归算法预警模型相比,具有更好的泛化能力;在相同预警敏感水平下,采用前者预警的假负率为16.67%,与后者的23.45%相比具有更高的预警精度。基于支持向量机的集团信用风险预警模型可较好的应用于企业集团信用风险预警领域中。

喀斯特石漠化灾害预警及其风险评估模型研究

喀斯特石漠化灾害是存在于喀斯特区的一种重要的地质—生态灾害。在喀斯特石漠化时空变化分析与驱动机制诊断的基础上,进行喀斯特石漠化灾害预警风险分析,设计喀斯特石漠化灾害预警风险决策支持系统,构建石漠化灾害预警风险模型,为喀斯特石漠化区的土地合理利用和防灾减灾提供科学依据。

基于数据挖掘的配电网故障风险预警

为了提高配电网风险预警的准确性,提出了基于数据挖掘的配电网故障关联因素分析与风险预警的方法。通过数据清洗、数据变换、数据集成和离群样本剔除,归纳配电网四大类共28个故障特征;采用改进的Relief-Wrapper算法进行故障关联因素分析,剔除了6个冗余特征,形成了由22个故障特征组成的最优故障特征子集;提出了兼顾故障发生频率和失电负荷比例的配电网故障风险指标和风险等级划分方法,采用基于径向基函数的支持向量机(SVM)方法和最优故障特征子集进行风险预警。对某市120条馈线配电网进行了风险预警算例分析,结果验证了所提方法的有效性。

基于支持向量机的财务预警模型与应用研究

提出了利用支持向量机建立财务预警系统、进行财务风险监控的方法,给出了财务评价指标体系及其量化方法,利用支持向量机的分类能力建立了财务预警的模型。最后利用上市公司的财务数据进行训练和评估,证明了基于支持向量机的财务预警模型的可行性和实用性,实验表明支持向量机在小样本情况下具有良好的非线性建模能力和泛化能力。

基于深度置信网络-多类模糊支持向量机的粮食供应链危害物风险预警

近些年粮食供应链安全问题频发,为减少食源性风险威胁,风险预警正逐渐成为强化粮食食品安全体系的有力保障。但现有风险预警方法在面对多源异构非结构化食品数据时,存在预警准确率低、人工成本高等局限问题。本文在分析全国26个省份的大量抽检数据及关联信息基础上,建立了基于深度置信网络(deep belief network,DBN)-多类模糊支持向量机(multiclass fuzzy support vector machine,MFSVM)的风险分级预警模型,先对海量粮食供应链抽检数据进行嵌入编码和归一化处理,获得结构化食品数据;将其输入到DBN模型进行高维度特征提取,自适应地挖掘供应链中各危害因素间风险变化及内在关联概率,最后将高维特征输入到优化的MFSVM进行训练,实现供应链中各主要危害物风险分级预警。对比实验结果表明,DBN-MFSVM模型在粮食抽检数据上具有更好鲁棒性和泛化性,其准确率达到98.44%,运行时间85 s,可快速识别出粮食供应链中危害物风险程度和优先次序,为监管部门制定有针对性的抽检策略、确立优先监管领域和分配风险监管资源提供科学依据。

基于改进SVM的智能电网调控系统实时风险评估与预警技术

针对智能电网调控系统通信和数据安全难以保障的问题,提出了一种基于改进支持向量机(SVM)的智能电网调控系统实时风险评估与预警技术.采用卷积神经网络(CNN)改进SVM模型得到CNN-SVM分类模型,用以处理实时风险评估体系中的数据信息.通过将CNN输出的数据特征输入SVM分类器进行风险等级分类,完成对数据中可能出现的风险进行识别、评估定级及预警.仿真结果表明,所提技术能够对调控系统实时风险进行准确、可靠的评估与预警,且其分类准确率、召回率、F1分数的均值分别为92%、86%和90%,均优于对比方法并具有更优的可靠性.

基于支持向量机的我国水产品出口贸易风险预警研究

以支持向量机基本原理的介绍出发,根据风险预警体系的构造原则,建立了一个基于支持向量机(SVM)的水产品出口贸易风险预警模型,并得出了相应的结论和启示。

生猪疫情冲击下猪肉价格预测与风险预警研究

近年来,我国生猪疫病时有爆发,导致猪肉价格出现“过山车”式波动,猪肉价格风险增加,疫病侵袭已成为猪肉市场面临的重要威胁。考虑引发猪肉价格变动的多种影响因素,将生猪疫情变化纳入猪肉价格的预测指标体系,并从多种影响指标中提取特征指标输入支持向量机(SVM)模型预测猪肉价格,最后基于预测结果对猪肉价格进行风险预警。研究发现,SVM模型输出结果的均方误差最小为1.032,平方相关系数最高为0.919,具有较好的预测效果;预警结果显示猪肉价格波动率的预测值与实际值相近,预测警度与实际警度基本一致。基于此,为使市场参与者在复杂市场环境下能准确把握猪肉价格运行规律,预测猪肉价格波动趋势,提出完善猪肉价格预测信息系统、畅通猪肉价格信息发布渠道、健全猪肉价格风险预警体系的对策建议。

地下结构孕险环境危险性预警的改进SVM模型

针对地震作用下孕险环境样本数据有限、复杂非线性等特点,提出了一种基于最小二乘支持向量机的地下结构孕险环境危险性预警方法。围绕地震后效应的地下工程区域孕险环境危险性预警目标和特征参数,设计孕险环境危险性问题的向量机表示形式,提出孕险环境危险性支持向量机训练工作机制,利用支持向量机结构风险最小化原则和非线性映射特性,建立基于最小二乘支持向量机的地下结构孕险环境危险性预警模型及其算法组件,并利用遗传算法优化其惩罚函数和核函数参数,隐式表达孕险环境危险性与其影响因素之间的非线性关系。结果表明,模型具有有效的小样本学习能力,具有较高的拟合和预测精度,明显优于神经网络等预测模型。

医学保障风险管理系统的设计与应用

本文概述了风险管理系统的功能、设计原则和建立步骤,结合我院实际构建了医学保障风险管理系统,建立了有针对性的医学保障风险预警指标体系、运用结构方程模型计算风险指数、通过统计分析确定预警界限、采用彩色信号灯显示预警结果,并描述了系统实现的主要技术及注意事项。

财税为西北地区生态安全提供支持的有效路径——简析《西北能源富集区生态脆弱风险预警与生态安全财税支持研究》

如何对西北能源富集区生态安全状况进行风险预警,财税怎样为生态安全提供支持,显得十分重要和紧迫。《西北能源富集区生态脆弱风险预警与生态安全财税支持研究》一书,以陕西榆林市为例进行深入分析,提出许多有价值的对策和建议,为西北地区实现自然生态与经济社会良性循环提供了财税决策依据。

贝叶斯融合方法集成的支持向量机预警国家助学贷款信用风险的研究

用贝叶斯方法将随机选用的多个不同类别的支持向量机集成为预警模型,通过银行实际助学贷款数据对模型进行测试和验证,结果表明该集成模型有更高的分类准确度,可以为银行助学贷款违约行为的预判提供重要的参考依据.

上市公司退市风险预警研究——基于主成分分析的支持向量机预测模型

以我国A股上市公司退市风险预警为例,将非线性支持向量机模型(SVM)与主成分分析法相结合,构建了一种基于主成分分析的支持向量机预测模型。模型通过主成分分析将具有非线性和非正态分布的财务数据压缩到五维空间中,引入支持向量机模型对我国A股市场2019年被交易所处以退市风险警示的139家上市公司以及239家配对样本进行实证分析。实证结果表明,基于主成分分析的支持向量机模型比传统Logistic回归模型对上市公司退市风险预警的准确性提高了5.29%。因此,该模型有望为利益相关者的风险管控和投资决策提供参考依据。

变化环境下流域超标准洪水综合应对研究

我国流域超标准洪水应对问题突出,在气候变化、人类活动等变化环境影响下,面临规律重新认知、技术亟需提升和措施体系亟待完善等重大挑战,其难度和复杂程度世界少有,相关研究成果距应用需求仍有较大差距。针对流域超标准洪水综合应对研究这一国家重大需求,拟融合多学科理论与前沿技术,采取理论与试验、物模与数模、技术集成与示范应用相结合的手段,开展变化环境下流域水文气象极端事件演变规律及超标准洪水致灾机理、暴雨洪水立体监测与精细预报预警、流域超标准洪水灾害动态评估、调度与风险调控、综合应急措施、调度决策支持系统集成与示范应用等方面的系统研究工作。力求破解气候变化及人类活动影响下的流域超标准洪水演变规律与致灾机理研究难题,构建流域超标准洪水风险管理理论体系,突破流域超标准洪水立体监测-预报预警-灾害评估-风险调控-应急处置-决策支持关键技术瓶颈,形成流域超标准洪水综合应对的技术体系和成套解决方案,研发强适配性的多场景协同超标准洪水调度决策支持系统,并进行示范应用,以提升中国流域超标准洪水应对水平,保障国家防洪安全。

电网安全预警及保障决策支持系统的开发与实现

安全预警和决策支持是保障电网安全运行的重要手段,是未来智能调度技术的必备要求。基于IEC61970标准的电网安全预警及保障决策支持系统通过建立起一个系统级的电网安全稳定分析和预警的检测体系,实时自动跟踪系统当时的运行状态,发现电网中的各类安全隐患;然后,根据系统处于不同的状态,辨识电网的安全风险等级,给出不同的校正控制措施建议,旨在把潜在的安全问题和电网事故处理在孕育阶段。