水中溶解氧含量的优化WLS-SVM预测方法

研究溶解氧含量预测的精确度与鲁棒性问题,为水质评价和水处理控制提供科学依据。探讨了水中溶解氧的影响因素及其作用规律,分析了现有预测算法的不足,在此基础上提出了一种新的溶解氧含量预测方法。从样本集中随机抽取数据构成训练集和测试集,以网格搜索法确定WLS-SVM的参数寻优范围,再用QPSO与留一交叉验证组合算法找出其最优值,以此建立WLS-SVM回归模型进行水中溶解氧含量的预测。应用该方法与LS-SVMlab工具箱函数分别建模进行对比测试,结果表明其预测精确度和鲁棒性都更好。

计算机超频结果测量值的预测算法

针对计算机超频结果测量值的估计问题,提出一种优化的LS-SVM回归模型解决方案;首先对CPU和显示卡超频的参数设置及主要结果进行了分析,并探讨了常用预测算法的不足,据此选择LS-SVM回归模型进行超频结果测量值的预测;然后设计了一种LCQPSO算法寻找模型参数的最优值,使模型的预测精度和泛化能力得以提高;经采集AMD FX-8350CPU的50组超频样本验证,该算法的预测误差比RBF神经网络降低了80%,表明了该算法的有效性。

基于PMU和改进支持向量机算法的同调机群在线识别

鉴于现代电力系统中发生暂态稳定问题时,为了给后续的主动解列措施提供依据,需要快速准确地辨识出系统中的同调机群,基于同步相量测量单元(phasor measurement unit,PMU)实时采集的发电机动态轨迹信息具有高维度和非线性等特点,提出了一种在线识别同调机群的新方法:由PMU得到故障后发电机组的动态功角轨迹量测信息;对PMU量测信息进行标准化处理,生成标准化高维数据;利用留一交叉验证法确定Gauss径向基核函数参数g和惩罚系数C的最优取值,得到准确的分类器;使用此分类器对未知分类的样本进行分类,并得到最终的同调分群结果。仿真结果表明:该方法能有效克服传统方法识别准确率低和速度慢的缺点,能在线识别系统中的同调机群,且兼具识别的快速性和准确性,可满足现代电力系统暂态稳定的在线分析和实时计算等要求。