基于灰色关联的LS-SVM道路交通事故预测

为提高道路交通事故的预测精度以及建模速度,在分析道路交通事故影响因素基础上,提出了基于灰色关联分析的LS-SVM道路交通事故预测模型。该模型采用灰色关联分析完成影响因素的相关性分析,结合关联度值,筛选最小二乘向量机模型的输入变量,简化LS-SVM模型结构;然后运用动态改变惯性权重自适应粒子群算法(DCW-APSO)对模型参数进行优化选取;最后应用模型预测1996—2000年的综合道路交通事故死亡率,并将预测结果与其他模型进行对比分析。结果表明,相较其他预测模型,该模型具有较快的收敛速度,并能明显提高道路交通事故预测的精度。

基于DCIWPSO在谷底边缘泡沫图像分割的应用

矿物浮选过程中,为了预测矿物品位,需要提取大量泡沫图像特征参数,其中泡沫大小是十分重要的图像特征参数。图像分割就是把泡沫图像分割成若干气泡区域的处理技术。谷底边缘分割算法是泡沫分割中一种重要的算法,其中分割阈值是非常重要的量,标准粒子群算法对阈值计算容易陷入局部最优值,难以计算全局最优值,采用改进的粒子群算法,动态改变粒子群中的惯性权重值来得到适合边缘分割的阈值,达到了正确分割泡沫图像的目的。

偶极子参数优化在高精度磁性舰船建模中的应用

建立磁性舰船的磁偶极子阵列和椭球体混合模型时,磁偶极子的位置分布及其磁矩会对模型的稳定性和精度产生影响。在分析模型系数矩阵条件数对模型稳定性的影响并建立了条件数的优化目标函数基础上,提出了使用动态改变惯性权重的弹性粒子群优化算法优化该目标函数并得到偶极子的最佳分布位置。通过逐步回归方法优化了磁偶极子的磁矩参数以提高模型精度。最后使用磁性舰船模型的磁场测量数据进行建模和换算,换算和统计结果表明:经过优化后的模型提高了原有模型的精度和稳定性。

水文模型参数优选的改进粒子群优化算法

针对标准粒子群算法的早熟收敛问题,提出了一个提高算法性能的改进途径,即引入动态改变惯性权重策略和混沌思想,在两个方面同时改进以提高粒子群算法的收敛速度和克服局部极值的能力.对两个函数进行寻优测试表明,改进后的粒子群算法收敛速度、精度以及全局搜索能力均优于标准粒子群算法.最后将提出的改进粒子群算法应用于新安江模型进行参数优选,应用结果表明,该算法具有较强的可行性与实用性.