湖南高速公路基础设施碳排放峰值支持向量回归预测模型

本文选取湖南省的人口数、人均GDP、基础设施固定资产投资、单位产值能耗比和单位能耗碳排放量作为高速公路基础设施的碳排放影响因素,选用湖南省2003—2021年相关数据并采用支持向量回归(SVR)机器学习法,建立了湖南省高速公路基础设施碳排放预测模型,预测在基准、低碳和超低碳情景下的碳排放数据。结果表明:训练样本交叉验证均方误差为0.007011,模型的预测值和真实值的拟合回归效果良好,训练集和测试集的相关系数分别为0.9869和0.9870,即模型具有良好的学习和推广能力。本文识别了碳排放的影响因素,预测了未来碳排放趋势,对交通基础设施碳减排行动具有一定的参考意义。

基于随机森林和支持向量机的Mo-Nb合金本构模型

在变形温度为900~1200℃、应变速率为0.01~10 s^(-1)条件下,采用Gleeble-3800型热模拟试验机对Mo-Nb合金进行等温恒应变速率压缩实验,研究Mo-Nb合金的流动应力行为,并采用随机森林和支持向量机的方法建立该合金的本构关系模型。结果表明:Mo-Nb合金是负温度和正应变速率敏感型材料,其流动应力随变形温度升高和应变速率降低而减小;随机森林和支持向量机本构关系模型的训练样本的相关系数和平均相对误差分别为0.989、0.998及2.41%、0.94%,测试样本的相关系数和平均相对误差分别为0.991、0.996及2.47%、1.4%,二者都具有较好的预测能力;支持向量机本构关系模型精度高于随机森林,因此,支持向量机本构关系模型更适于预测Mo-Nb合金的流动应力。

面向电力设备异常检测的深度自编码支持向量数据描述模型研究

针对深度自编码支持向量数据描述模型对电力设备部分异常区分能力不足的问题,提出自监督混合专家增强的深度自编码支持向量数据描述模型,构造多种自监督变换数据集模拟潜在未知异常,引入自监督分类和掩码重构任务以学习更具区分性的表示。此外,将编码器部分改造为混合专家模型结构,将数据分配给不同专家子模块进行专业化的学习,使异常决策边界更清晰。在4个公开数据集和3个电厂设备数据集上的实验结果证实了自监督学习和混合专家模型的有效性。

基于Logistic回归和支持向量机的早发性结直肠癌风险预测模型

目的:通过Logis tic回归和支持向量机(SVM)探究早发性结直肠癌(EOCRC)和晚发性结直肠癌(LOCRC)的危险因素,建立针对不同年龄段人群的风险预测模型并比较预测效果。方法:选择2012—2022年诊断为结直肠癌患者,记录人口学特征、临床表现、既往史、家族史、生活方式、体格检查、实验室检查及病理诊断,分别建立风险预测模型,比较两模型的ROC曲线下面积(AUROC)、准确率、精确率、召回率、F1分数。结果:综合两模型结果,EOCRC风险与出现消化道出血、腹胀腹痛、大便习惯改变等临床表现、体重减轻、肿瘤标志物升高具有较强的正相关性,与婚姻状况、阑尾切除史、糖尿病史、血脂异常病史、结直肠癌家族史也存在较弱的正相关;LOCRC风险与婚姻状况、出现临床表现、体重减轻、血脂异常、肿瘤标志物升高具有较强的正相关性,与年龄、吸烟、阑尾切除史、结直肠癌家族史也存在一定的正相关性。两模型的AUROC、准确率、F1分数相差不大,但Logistic回归模型的精确率更高而SVM模型的召回率更高。结论:EOCRC和LOCRC的危险因素不完全相同,婚姻状况、吸烟、血脂异常、肿瘤家族史在EOCRC中的贡献低于在LOCRC中的贡献。相较Logistic回归,SVM能发现更多的结直肠癌危险因素,能尽可能多的找出结直肠癌的可能患者。

基于逻辑回归和支持向量机耦合模型的滑坡易发性分析

滑坡灾害的发生具有累进性,进行滑坡易发性评价是防灾减灾的前提。以四川省旺苍县为例,使用频率比法判断12个滑坡影响因子的各分级区间滑坡敏感性,经波段集统计确定11个滑坡影响因子作为滑坡易发性评价因子,通过建立逻辑回归-支持向量机(logistic regression-support vector machine,LR-SVM)耦合模型,搭建滑坡易发性评价体系,完成旺苍县滑坡易发性评价并进行模型精度比较。研究结果表明:逻辑回归-支持向量机耦合模型的评价指标结果均优于逻辑回归模型,易发性分区结果更合理,预测精度更高;在低易发区选取非滑坡点为提高滑坡易发性评价性能作用明显;研究区内道路、高程和NDVI对滑坡发育的敏感性较强;高易发区主要分布于低海拔的水系和道路两侧。

基于向量误差修正模型的电池簇不一致检测方法及智能运维方案

针对储能电站实际运行数据中存在电池数据不完整、数据片段化导致检测不准确的问题,提出基于向量误差修正模型的电池簇不一致检测方法。该方法根据随机电压片段数据构建电池簇与电池单体的向量误差修正模型,计算脉冲响应函数,分析电池单体对电池簇的动态作用机制,判断电池簇不一致程度,再通过方差分解分析确定异常电池单体及后续运维。最后,根据储能电站实际运行数据进行分析,验证了电池簇不一致检测方法及运维方案的可行性和有效性,并在100kW/200kW·h储能平台进行实际工程测试。

基于改进支持向量回归模型的高校学生成绩预测研究

为提高学生成绩预测的准确性,考虑到学生学习行为特征数据的高维和非线性特征,提出了一种基于改进支持向量回归模型的高校学生成绩预测。对支持向量回归(SVR)模型的核函数进行了改进;设计了变邻域搜索算法(VNS)对改进支持向量回归模型的参数进行了优化;将上述方法应用于某高校学生数学成绩数据,并与原始SVR和基于其他智能优化方法的SVR进行了对比,验证了所提方法的有效性。

基于支持向量机算法的重症患者压力性损伤分级预测模型的构建及应用价值

目的基于支持向量机算法构建并验证重症监护病房(ICU)患者压力性损伤(PI)分级预测模型。方法收集2020年12月至2022年12月157例在重庆市某三级甲等医院重症医学科住院患者的临床资料,采用χ~2检验和kruskal-Wallis H检验筛选PI分级的影响因素。再将数据以7∶3的比例随机分为训练组和验证组,基于训练组数据利用支持向量机算法建立ICU患者PI分级预测模型,并采用五折交叉验证法进行参数优化。训练好的模型在验证组数据集中进行内部验证,对前后结果进行混淆矩阵分析,采用准确率、精确率、召回率、F1值和受试者工作特征曲线的曲线下面积(AUC)评估模型的性能。结果初步确定10个影响PI分级的因素,在gamma=0.1、cost=2.2时模型的性能最佳,PI分级预测模型的准确率为81.25%,精确率为79.70%,召回率为80.30%,F1值为79.90%,受试者工作特征曲线的AUC为0.939。结论构建的PI分级预测模型预测性能良好,可为临床医护人员制订ICU患者预防PI的分级护理干预方案提供参考依据。

基于信息量-支持向量机组合模型的东莞市地面沉降灾害易发性评价

易发性评价是地面沉降灾害风险识别及减避控制的靶向关键技术问题,为解决单一评价模型存在的过拟合问题,以东莞市地面沉降发育重点区为对象,采用相关系数法筛选并构建由软土层厚度、填土层厚度、与断裂带距离、建筑密度和道路密度组成的评价因子组合,开展基于信息量-支持向量机组合模型的地面沉降易发性评价,并结合地理信息系统(GIS)划分出高(Ⅰ)、中(Ⅱ)和低(Ⅲ)3个易发性等级分区。结果表明:使用受试者工作特征曲线(ROC)和历史灾点验证法校验,信息量-支持向量机(IM-SVM)组合模型的AUC值为0.915,位于高、中易发性分区内的灾点数为90.57%,较单一信息量模型(IM)和支持向量机模型(SVM)具有更高的评价精度。基于数据驱动的机器学习法在对灾害评价分类方面有更强的优越性,进一步选取相同原理、性能差异不大的学习器进行组合更能实现评价可靠性的提高。

构建圆的模型 巧解向量最值

向量最值问题是高中数学考试中经常出现的一类问题。圆是数学中非常重要的几何图形,如果能在向量最值问题中发现“隐形圆”,并构建其模型,那么这类问题就会迎刃而解。文章结合几道例题,从五个方面探讨如何通过构建圆的模型求解向量最值,以期为教师提高学生的解题能力、提升学生的思维能力提供参考。

基于向量自回归模型的旅游业相关因素分析——以贵州省为例

随着在第三产业的占比越来越大,旅游业逐渐成为城市发展的支柱产业,分析贵州省旅游业影响因素有利于促进旅游业持续发展和经济的增长。通过构建向量自回归模型,分析了贵州省旅游业与地区生产总值和园林陆地面积之间的关系。通过收集2000—2021年相关指标数据,运用平稳性检验、单位根检验、脉冲响应分析等进行检验,研究发现:贵州省旅游业与上述指标相互影响。

基于灰色支持向量回归的起伏管线临界携液流速预测模型

延安气田起伏的地理形貌特征,致使其内部采气管线在低点及上倾段容易产生积液问题,制约气田正常生产,开展起伏管线临界携液流速的预测对保障采气管线流动安全和指导地面采气管线布线具有重要价值。为此,基于扩展双流体分相模型和PR气体物性方程,采用最小压力梯度法结合均匀设计构建了临界携液流速样本数据集,同时采用灰色关联计算了样本标签权重,并将其引入支持向量回归算法,构建了临界携液流速的回归预测模型,随后利用网格寻优算法,通过采用K-CV(交叉验证)对模型中超参数进行了优化设计,最后采用延安气田现场运行数据进行了模型准确性验证。研究结果表明:管径大小对临界携液流速影响最大,其次为上坡倾角、含水率和运行压力,其他因素的影响差距相对较小,网格分段寻优对比遗传、粒子群算法在模型超参数优化上具有较强稳定性。该预测模型对延安气田内部采气管线的临界携液流速预测具有较强准确性,可对其积液预测和防治提供理论支撑。

农业科技创新、生态效率与农户增收质量的动态关系——基于面板向量自回归模型的实证分析

农业科技创新在提高农产品产量和质量的同时也面临促进农户增收的困境,而生态效率的提高也可能造成农户收入不平等的问题。为进一步探究农业科技创新水平、生态效率与农户增收三者之间的关系,根据2000—2020年间湖南省的时间序列信息,利用面板向量自回归模型,采用协整检测、格兰杰检测、方差分解等各种手段,对农业科技创新水平、生态效率和农户增收质量间的相关性开展实证分析,以为处理好农业发展、农户收入和生态环境保护之间的关系提供理论参考。结果显示:农业科技创新与农户增收质量之间存在显著的双向正向关系,即科技创新在提升农业生产效率和质量的同时显著促进了农户的经济增长,但生态效率的提升在短期内未能显著转化为农户的经济收益;农业科技创新对农户增收质量的影响即时且显著,并随着时间推移而趋于稳定;在预测农户增收质量时,农业科技创新的作用明显超过生态效率。基于此,从长期规划生态效率提升、加大农业科技创新的支持与投资和增强农户生态环保意识等方面提出政策建议。

经济周期与证券市场波动关联性——基于向量SWARCH模型的新证据

本文认为关于经济周期与证券市场波动关联性研究结论的分歧源自仅注重样本区间内整体关联性的检验,忽视了分析经济增长不同阶段与证券市场波动的特定关联性。基于向量SWARCH模型,本文实证检验了我国GDP增长率与证券收益率间的关联性,结论表明,虽然“整体关联性”检验不支持经济周期与市场波动间存在显著相关性的结论,但“状态相关系数”却显示两者间的关联性具有“区制转移”特征,并体现了对前者依赖的“门限效应”和“非对称效应”。

基于向量空间模型的文本分类研究

由于传统的文字数据分类处理方法通常要求投入高昂的人力和时间成本进行标注分类,所以这些传统文字数据分类方法不再适应当前信息时代的要求。因此,急需一种高效快捷地实现对海量文本数据的主题选择和自主归类管理的新文本分类技术。经过研究,提出了一个新文本分类方案,通过文本向量空间模型(VSM),把大量非结构化的文本数据转化成高度结构化的文本向量,然后采用K-means聚类方法对文本向量进行聚类分析,实验结果证实了这种方法的高可行性。该方法提供了一种高效、快捷的文本处理和分类方式,能够快速实现主题选择和自主归类管理,值得进一步研究和探索。

基于支持向量机的风力发电机组故障诊断预警模型

当前的风力发电机组故障诊断预警模型设置的矩阵一般为单元式的,预警的范围受到限制,导致预警响应时间延长,为此提出对基于支持向量机的风力发电机组故障诊断预警模型的设计与验证分析。根据当前的测定需求及标准,提取故障诊断预警特征量,采用多目标的方式,打破预警范围的限制,设计多目标诊断预警矩阵,以此为基础,构建支持向量机故障诊断预警结构,采用阶次分析实现故障诊断预警处理。测试结果表明:对比传统机器学习风力发电机组故障诊断预警模型测试组、传统MSK-CNN和多源机电信息融合风力发电机组故障诊断预警模型测试组,此次所设计的支持向量机风力发电机组故障诊断预警模型测试组最终得出的预警响应时间被较好地控制在0.25 s以下,说明在支持向量机的辅助下,所设计模型对故障诊断预警的效率较高,针对性更强,具有实际的应用价值。

糖尿病足溃疡复发风险预测模型的构建:基于Logistic回归和支持向量机及BP神经网络模型

背景全球范围内糖尿病足溃疡(DFUs)首次复发与再次复发率逐年上升,且早期复发风险高于远期风险。导致DFUs复发的风险因素较多,目前缺乏系统的筛选,因此需要探索DFUs复发的危险因素,以便早期识别复发高危人群。目的探讨Logistic回归、支持向量机(SVM)和BP神经网络(BPNN)模型在DFUs复发风险中的预测价值。方法选取2020年1月—2021年10月在宁夏医科大学总医院烧伤整形美容科、内分泌科和伤口造口门诊就诊的DFUs患者390例作为开发模型的研究对象。根据患者出院后1年内DFUs是否复发分为复发组116例(29.7%)和非复发组274例(70.3%)。收集两组患者的一般资料包括社会人口学特征、病史评估和临床病例资料并进行比较,采用糖尿病足部自我管理行为量表(DFSBS)评估患者糖尿病足部自我管理行为,采用慢性病风险感知问卷评估患者DFUs风险感知水平。采用多因素Logistic回归分析探讨DFUs患者出院后1年内DFUs复发的影响因素;将患者按照7∶3划分为训练集和测试集,运用Logistic回归变量筛选策略,分别建立Logistic回归、SVM和BPNN模型;绘制各模型预测DFUs复发风险的受试者工作特征(ROC)曲线。结果两组DFUs患者BMI、独居、糖尿病病程、吸烟史、饮酒史、受累足趾截肢史、足溃疡分级、踝肱指数、糖化血红蛋白、溃疡位置在脚底、足趾受累、足部存在行走障碍、骨髓炎、多重耐药菌感染、糖尿病周围神经病变、下肢动脉粥样硬化、足部自我管理行为、DFUs风险感知水平比较,差异均有统计学意义(P<0.05)。多因素Logistic回归分析结果显示,BMI[OR=0.394,95%CI(0.285,0.546),P<0.001]、糖尿病病程[OR=1.635,95%CI(1.303,2.051),P<0.001]、吸烟史[OR=0.186,95%CI(0.080,0.434),P<0.001]、足溃疡分级[OR=2.139,95%CI(1.133,4.038),P=0.019]、糖化血红蛋白[OR=2.289,95%CI(1.485,3.528),P<0.001]、溃疡位置在脚底[OR=3.148,95%CI(1.344,7.373),P=0.008]、足部自我管理行为[OR=0.744,95%CI(0.673,0.822),P<0.001]和DFUs风险感知水平[OR=0.892,95%CI(0.845,0.942),P<0.001]是DFUs患者1年内DFUs复发的影响因素。Logistic回归、SVM和BPNN模型在测试集中预测DFUs复发风险的正确率分别82.43%、94.87%、87.17%,ROC曲线下面积(AUC)分别为0.843、0.937、0.820。Logistic回归、SVM和BPNN模型预测DFUs复发风险的ROC曲线AUC比较,差异有统计学意义(Z=2.741,P<0.05);SVM模型预测DFUs复发风险的ROC曲线AUC高于Logistic回归和BPNN模型(Z=5.937,P=0.013;Z=3.946,P<0.001)。结论SVM模型预测DFUs患者出院后1年内DFUs复发风险的正确率、灵敏度、特异度、AUC等指标均较好,为相对最优的模型,建议进一步推广应用以验证预测模型的效能。

基于粒子群优化算法的相关向量机边坡稳定性分析模型

为快速获取边坡稳定性系数,及时对边坡进行稳定性评价,提出一种基于粒子群优化算法(particle swarm optimization,PSO)的相关向量机(relevance vector machine,RVM)边坡稳定性分析模型。该模型通过选取影响边坡稳定性安全系数的6个主要因素,并对这6个主要影响因素产生的30组数据进行拟合训练,利用粒子群算法对相关向量机模型参数进行优化,选取最优参数值,根据这30组训练样本来对剩余4组样本进行精准预测。结果表明:与实际值进行对比,基于PSO-RVM模型预测的平均相对误差仅为5.64%,且建立的PSO-RVM预测模型的边坡稳定性安全系数的平均相对误差均明显优于利用BP(back propogation)神经网络和协调粒子群(coordinated particle swarm optimization,CPSO)-BP模型预测得到的平均相对误差,进一步为边坡稳定性预测及评价提供一种新方法。

基于支持向量机的架空直立式码头船舶撞击力预测模型

针对现有结构监测方法尚无法对码头的不规范靠泊进行实时监测的问题。提出了一种基于支持向量机的预测模型用于对架空直立式码头船舶撞击力的实时监测。结合架空直立式码头的结构特点,基于广义结构刚度对码头桩基的重要性进行评估,对监测桩基进行优化选择。以重庆新田港码头一期第10结构段为概化研究对象,按1:20的比尺构建码头物理模型,模拟不规范靠泊作用。将采集的优化桩基的应变数据用预测模型进行训练与验证。该预测模型对于撞击力的作用位置识别精度为0.98,对于撞击力的作用强度预测的平均相对误差为0.234%。

基于向量自回归模型的科技进步、城市化与绿色发展关系实证分析——以广东省为例

为理清科技进步、城市化与绿色发展三者之间相互影响与作用机制,以科技进步、城市化与绿色发展的相互作用机制作为理论基础提出假设,基于广东省1993—2020年的时序数据,应用向量自回归模型、脉冲响应函数和格兰杰因果检验、方差分解等进行实证分析。结果表明:科技进步和城市化对绿色发展具有正向影响作用,绿色发展对城市化高质量发展具有促进作用;城市化推动了科技进步,而科技进步对城市化的影响并不显著。为此,广东省需要加快建立以绿色产业为核心的新兴产业体系,在推动绿色发展的同时积极整合落后产能,以绿色经济进步带动城市化高质量发展和科技创新。