支持向量机优化的克里金插值算法及其海洋资料对比试验

针对常规克里金插值方法中变异函数为有限确定函数,难以准确刻画实际数据分布(特别是复杂要素资料的空间结构)的不足,基于最小二乘支持向量机从实际资料场中拟合重构变异函数的研究思想,提出了一种改进的插值方法——支持向量机—克里金插值算法(SVM-Kriging)。采用常规的克里金方法和支持向量机—克里金插值方法(SVM-Kriging)进行插值试验和对比分析,结果表明:支持向量机—克里金方法(SVM-Kriging)的变异函数源自实际的数据场,它克服了常规克里金插值对变异函数选择的依赖性以及变异函数选择的主观性和人为性,表现出较好的针对性和客观性,较为有效地改善了插值效果。

支持向量机回归算法的唐山市降水量空间插值研究

针对传统插值方法在处理小样本和非线性问题上的不足,运用支持向量机回归(SVR)算法对唐山市降水量进行空间插值研究,提出了SVR算法的解决方案,以提高降水预测的准确性。通过收集2020年唐山市32个气象站点观测数据,提取经度、纬度、经纬度乘积、海拔、坡度、坡向和GPM等参数作为特征变量,并利用SVR算法建立降水量空间插值模型。研究结果表明,SVR在解决小样本和非线性问题上具有显著优势,能够有效分析多维变量对降水量分布的影响;验证显示其插值精度R2为0.79, MAE和RMSE分别为33.57mm、39.29mm,该精度在可接受范围内。通过SVR插值法生成精确的降水量分布式信息,可为唐山市旱涝减灾、水资源利用及生态保护提供科学数据支持。

基于支持向量机改进的克里金插值法——以汾渭平原PM_(2.5)数据为例

克里金插值法根据待测点与已知点的空间位置关系以及研究区域内变量的空间相关性为已知点赋予不同权重,再通过加权求和的方式得到待测点的估计值,为待测点提供最佳的线性无偏估计。变异函数描述了区域化变量的空间变化信息,常用的理论变异函数包括球状模型、指数模型和高斯模型,然而以上模型形式较为固定且选择较为主观,可能无法准确反映数据波动趋势。基于此,提出引入支持向量机作为新的变异函数对克里金方法进行改进。使用汾渭平原PM_(2.5)浓度数据对改进前后的克里金插值法进行效果对比。结果表明:支持向量机能够拟合出变异函数的变化趋势,改进后的克里金插值精度优于改进前的克里金插值精度,因此支持向量机改进的克里金插值法是一种可选的克里金方法。

基于遗传算法寻优的支持向量机图像插值方法

锯齿波、边缘模糊是影响图像质量的重要因素,为了有效提高图像质量,提出了一种优化支持向量机图像插值方法.先将遗传算法应用到支持向量机的参数寻优,将使用最优参数的支持向量机结合图像相关性对图像插值.算法根据图像相关性选择适当的相邻点作为输入模式训练支持向量机,用训练好的支持向量机及输入模式估计出待插值点的像素值.仿真结果表明,与已有算法相比,该算法获得图像的RPSN值、NMSE值、MSE等指标均有明显改善,且视觉效果有显著提高.

基于动态插值和支持向量机的软测量建模研究

熔融指数是聚丙烯产品最重要的质量指标,准确可靠的产品熔融指数预测对聚丙烯生产具有重要意义。本文提出了一种基于插值的支持向量机的熔融指数软测量建模方法,首先根据先验知识选取辅助变量,然后对质量分析数据使用三次样条插值进行动态插值,将插值后的数据与原始数据融合作为ε-SVR的训练数据,采用GA算法得到ε-SVR的最优超参数后进行建模。利用现场实际过程数据和离线化验分析数据进行仿真,结果表明本文建立的模型具有很高的预报精度和鲁棒性,能够满足实时在线控制要求。

基于支持向量机的不均衡文本分类方法

目前支持向量机(SVM)对均衡文本数据集进行文本分类时表现十分良好,但如果文本数据集是不均衡的,尤其是当不均衡率很大时,容易导致支持向量机分类失败。提出PSO-SMOTE混合算法,针对不均衡文本数据集问题,运用SMOTE算法生成插值样本均衡数据集,并通过PSO算法迭代进化得到最佳的插值样本,对支持向量机的文本分类能力进行优化。实验结果表明,新算法大幅优化了支持向量机分类不均衡文本数据集的能力。

基于支持向量机的男性血清瘦素参考值空间分布规律

血清瘦素医学指标目前并没有准确的临床正常参考值范围,为建立更全面的制定标准,分析了中国健康成年男性的血清瘦素参考值与地理因素的关系。收集中国102个市(县)10707例健康成年男性的血清瘦素参考值,分析其与24项地理指标的相关性,提取出其中存在相关关系的7项地理指标,建立支持向量机模型,并用该模型预测出全国2322个观测点健康成年男性的血清瘦素参考值。最后用ArcGIS软件进行地统计分析,经析取克里金插值,绘制中国健康成年男性血清瘦素参考值的地理分布图。研究表明中国健康成年男性的血清瘦素参考值与经度、纬度、海拔高度、年平均气温、气温年较差、表土阳离子交换量、表土容重存在相关关系;其参考值整体分布规律呈现从西北向东南递增的趋势。

基于多尺度最小二乘支持向量机优化的克里金插值方法

克里金插值方法根据待估位置点、已知样本数据点的位置关系和区域化变量的空间相关性,实现空间加权估计,满足估计的无偏性和最优性。传统方法理论模型形状固定且选择具有人为主观性,无法反映空间数据的变化趋势及其空间多尺度特征。本文为解决上述问题,提出了一种基于多尺度最小二乘支持向量机优化的克里金插值方法,此方法为拟合实验变异函数提供了一种新的思路。从实际样本数据的变化趋势出发,采用最小二乘支持向量机拟合实验变异函数,并利用不同尺度小波核反映不同尺度下的空间变化。最后,实验环节包括模拟和应用,模拟主要验证经多尺度最小二乘支持向量机优化后插值方法的科学有效性以及准确性,应用主要研究青岛市PM2.5浓度时空分布特征,为城市生态科学防护及控制提供理论依据。结果表明,基于多尺度最小二乘支持向量机优化的克里金插值方法能够更好地刻画变异函数,反映不同尺度下的空间变化细节,从而在一定程度上提高插值的精度,是一种可选的克里金插值方法。

VMD结合小波包信息熵和GJO-SVM的电机轴承故障诊断

针对电机滚动轴承故障特征难以提取从而导致诊断准确率低的问题,提出了一种基于变分模态分解(Variational Modal Decomposition,VMD)结合小波包信息熵(Wavelet Packet Information Entropy,WPIE)的特征提取方法,并采用金豺优化(Golden Jackal Optimization,GJO)算法优化后的支持向量机(Support Vector Machine,SVM)进行电机滚动轴承的故障诊断。首先,利用VMD将采集到的信号进行分解,依据局部极小包络熵筛选出最优本征模态(Intrinsic Mode Function,IMF)分量;其次,利用小波包将最优IMF分量再分解,并提取信息熵作为特征向量矩阵;最后,采用GJO算法对支持向量机中的惩罚参数和核参数进行寻优选择,建立GJO-SVM故障诊断模型,将特征向量矩阵输入金豺算法优化支持向量机(GJO-SVM)故障诊断模型中进行故障诊断。将VMD结合小波包信息熵特征提取与VMD结合近似熵特征提取进行对比试验,试验结果表明,VMD结合小波包信息熵特征提取精度提高了2.5%,其特征提取更加优越;将金豺算法优化支持向量机(GJO-SVM)与粒子群优化(Porticle Swarm OPtimization,PSO)算法支持向量机(PSO-SVM)、果蝇优化算法(Fruit fly Optimation Algorithm,FOA)支持向量机(FOA-SVM)进行对比试验,试验结果表明,GJO-SVM其平均准确率达到99.16%,较PSO-SVM、FOA-SVM分别提高了2.5%、3.61%。金豺算法优化支持向量机(GJO-SVM)可以更加有效提取并诊断滚动轴承故障。

基于遗传算法优化的支持向量机品位插值模型

将支持向量机(SVM)和遗传算法(GA)集成应用到矿体品位插值问题中,利用遗传算法全局搜索的优势对支持向量机的三个关键参数——惩罚系数C、不敏感系数ε和核函数参数σ进行寻优,克服单纯支持向量机法中依靠经验确定参数的局限性.将优化参数代入到支持向量机中进行迭代训练,得到基于遗传算法参数优化的支持向量机(GA-SVM)矿体品位插值模型.以国内典型矿山的实际勘探数据为例,通过该品位插值模型计算结果与传统插值方法计算结果和矿山生产实际数据的对比分析,验证了其可行性和有效性.

基于LCD多尺度融合特征GJO-SVM的电机轴承故障诊断

目的 针对电机滚动轴承故障难以提取而导致诊断准确率低问题,提出了一种局部特征尺度分解(Local Characteristic-scale Decomposition, LCD)多尺度融合的特征提取方法,并将提取得到的特征向量输入到采用金豺算法(Golden Jackal Optimization, GJO)优化后的支持向量机(Support Vector Machine, SVM)里进行电机轴承故障诊断,从而提升故障诊断正确率。方法 首先,使用LCD算法对使用振动传感器采集得到的电机轴承信号进行分解,得到信号在前3个尺度下的内禀尺度分量(Intrinsic Scale Components, ISC);其次,求每个ISC的能量比和能量熵得到6组特征向量;然后,构建特征向量矩阵并按照3∶2随机选取,生成训练集和测试集;最后,把训练集输入到金豺算法优化支持向量机(GJO-SVM)中,采用GJO算法对支持向量机中的惩罚参数C和核参数g进行寻优选择建立出GJO-SVM故障诊断模型,接着将测试集输入到模型中以实现轴承的故障识别。结果 通过仿真实验验证,LCD多尺度融合特征的特征提取方法能够有效地提取电机轴承的故障信息,且使用金豺算法优化支持向量机(GJO-SVM)的故障诊断准确率达97.86%。结论在同样的条件下与变分模态分解(Variational Modal Decomposition,VMD)融合特征相比,LCD多尺度融合特征的诊断准确率提升了1.79%;与粒子群算法优化支持向量机(PSO-SVM)方法、果蝇算法优化支持向量机(FOA-SVM)方法相比,金豺算法优化支持向量机(GJO-SVM)诊断电机轴承故障的方法具有更高的故障识别效果。

基于插值的核函数构造

近年来 ,统计学习 (SLT)和支持向量机 (SVM )理论的研究日益受到当前国际机器学习领域的重视 .有关核函数的研究则一直是研究的重点 .这是因为不同的核函数会导致SVM的泛化能力有很大的不同 .如何根据所给数据选择合适的核函数成为人们所关注的核心问题 .该文首先指出满足Mercer条件的核函数的具体表达式并非问题关键 ,在此基础上 ,该文进一步提出利用散乱数据插值的办法确定特征空间中感兴趣点的内积值以代替传统核函数的一般表达式所起的作用 .实验表明该方法不仅能够有效改善支持向量机的设计训练过程中的不确定性 。

紫金山金铜矿初始地应力场反演分析

初始地应力是影响工程边坡、硐室和地基岩体稳定性的重要因素之一,也是工程设计需要的基本指标之一。根据紫金山矿区地应力的实测资料,利用支持向量机和模拟退火算法对初始地应力场进行反演分析,一方面用支持向量机代替有限元计算,提高了计算分析速度;另一方面用模拟退火算法代替传统的优化算法,避免优化过程中目标函数陷入局部极小值而无法继续寻优的状态,提高了反演的效率精度。通过实测点的计算应力值与现场实测值的比较,两者在量值和方向上接近,表明该方法较合理地反映了初始地应力场的分布规律,能够满足矿区设计和研究的需要。

基于光谱FOD与优化指数的银川平原土壤有机质含量反演

土壤有机质(SOM)是土壤肥力的重要组成部分,是作物生长的主要养分来源。为探究分数阶微分(FOD)联合优化光谱指数对低肥力地区SOM的反演效果,以银川平原为研究对象,对野外土壤高光谱反射率原始数据进行0~2阶FOD处理(间隔0.2阶),构建优化光谱指数DI/RDI、DI/NDI、NDI/RDI、RDI/NDI、DI/GDI和RI/GDI,分析各指数与土壤有机质含量间的二维相关性,筛选出最佳优化光谱指数,并建立基于支持向量机(SVM)的SOM含量反演模型。结果表明:银川平原SOM含量整体偏低,其中93.05%处于四级到六级水平。土壤野外原始光谱反射率吸收特征差异明显,在1400、1900 nm处有明显吸收峰。随着分数阶的不断增加,光谱反射率不断趋近于0。土壤DI/NDI、DI/GDI、RI/GDI、NDI/RDI和RDI/NDI在0~2阶最大相关系数绝对值(MACC)均小于0.80,DI/RDI在0.2~2.0阶范围内的MACC为0.9965~0.9986,其敏感波段主要集中在1450~1750 nm和2100~2400 nm之间。基于0.2阶微分处理的DI/RDI SVM模型对SOM的反演精度最佳,建模决定系数R_(c)^(2)和验证决定系数R_(p)^(2)分别为0.98和0.99,相对分析误差(RPD)为4.31。研究结果可为低肥力地区的SOM含量快速、准确反演及制图提供科学依据。

船舶通信定位信号短时中断插值预测模型构建

为了提高船舶通信定位信号的短时中断插值预测精度,提出一种非线性的船舶通信定位信号短时中断插值预测模型。首先对当前船舶通信定位信号的短时中断插值预测方法缺陷进行描述,指出船舶通信定位信号短时中断具有随机性,然后采集船舶通信定位信号短时中断历史数据,将其看作是一种时间序列数据,并通过粒子群算法优化支持向量机对其进行建模,建立船舶通信定位信号短时中断插值预测模型,最后的船舶通信定位信号短时中断插值预测结果表明,本文模型的船舶通信定位信号短时中断插值预测精度高,预测误差小于线性的船舶通信定位信号短时中断插值预测模型,可以更好地适应船舶通信定位信号短时中断变化,具有一定的理论和实际应用价值。

基于插值组合核的LS-SVR板形预测方法

基于RBF核的LS-SVR模型,采用实验变差函数计算插值算法权值,对权系数与各训练样本内积值相乘所反映样本空间结构和相互间关联度的插值核函数进行构造,提出了一种通过Kriging空间散乱插值方法利用样本数据构造出的插值核函数与RBF核函数进行组合而成的核方法。结果表明,该方法使LS-SVR板形预测有更好的性能,在提升预测算法泛化能力的同时,实现了对板形的精准回归预测。

基于小波包去噪和EMD的混合算法

经验模态分解(EMD)是希尔伯特黄变换(HHT)中的关键步骤,并伴有过冲和端点效应的产生。利用遗传算法(GA)对支持向量机(SVM)中的未知参数:惩罚函数C和高斯核函数中的预设参数σ进行优化选取,运用GA-SVM对信号进行端点延拓来处理端点效应问题并提出采用分段三次Hermite多项式插值进行包络线拟合;为了机械设备早期故障频率的特征提取,采用小波包降噪预处理,结合改进的Hilbert Huang变换进行轴承故障特征频率的提取实验;实验表明该方法提高了故障频率提取的准确性。

基于纳米金粒子比色法的汞离子检测方法

提出了一种基于纳米金粒子比色法的汞离子检测方法,采用铋试剂Ⅱ修饰的纳米金粒子胶体悬浮液检测汞离子。汞离子与铋试剂Ⅱ选择性配位,使纳米金粒子胶体悬浮液反团聚,汞离子浓度与溶液吸光度呈一定的线性关系,线性范围为0.05μg/L^1 mg/L,相对标准偏差为1.98%~3.52%。在实验条件下,采用SavitzkyGolay一阶导数对连续投影算法提取的特征波长进行了预处理,通过线性支持向量机回归模型进行建模与分析,该模型具有良好的自预测能力和实际预测能力。校正集的相关系数为0.9685,均方根误差为0.0412 mg/L,验证集的相关系数为0.9600,均方根误差为0.0434 mg/L。本文方法为提高汞离子浓度的检测效率提供了有效支持。

结合重采样图像多分类的隐写分析算法

针对包含不同重采样图像和单次采样图像的混合异构图像进行隐写分析时,由于其统计特性的差异会造成隐写检测分类器中测试样本和训练样本的"失配"现象,从而降低隐写分析算法的检测性能。文章首先分析了不同插值算法和不同重采样因子的重采样图像作为训练样本和测试样本时,训练样本和测试样本"失配"对隐写分析的影响,随后构造了一种基于SVM的多分类器,用以对重采样图像进行多分类,最后提出了一种结合重采样图像多分类的隐写分析算法,降低了"失配"对隐写分析算法的影响,提高了混合异构图像环境下隐写分析算法的检测效果,并以LSBM隐写算法为例进行实验,实验结果验证了本算法的有效性。

基于GA_SVM的江西省降水插值模型研究

针对大部分区域空间降水数据无法直接获取以及传统降水插值方法的局限性,构建基于支持向量机的降水插值模型,并引入遗传算法优化模型中的惩罚参数和核函数参数,以江西省2015年1月和7月20个站台的降水数据作为数据源,通过不断更新迭代输入样本来改进模型,实现在少量数据的情况下分析模型的适应性以及插值精度。结果表明:基于遗传算法的支持向量机模型不仅在降水量较少和较多的月份均能进行降水插值,而且与传统方法相比精度有明显的提高。