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。

基于灰色支持向量机组合模型的农产品产量预测

鉴于灰色预测模型和支持向量机各自的优点,将灰色预测模型与支持向量机相结合,提出灰色支持向量机组合模型,并将该模型应用于花生产量预测中。结果表明,与单一支持向量机和灰色预测模型相比,灰色支持向量机组合模型的预测精度明显提高。

基于ARIMA-SVM组合模型的股票价格预测

现有的股票价格准确预测方法各有优缺点,为了发挥各种预测方法的优点,提出二进正交小波变换和ARIMA-SVM方法的非平稳时间序列预测方案。使用小波分解算法对数据进行分解,分离出非平稳时间序列中的低频信息和高频信息;然后对高频信息构建自回归模型ARIMA预测,对低频信息则用SVM模型进行拟合;最后将各模型的预测结果进行叠加,从而得到原始时间序列的预测值。将预测结果与实际值比较,组合模型具有较好的预测效果。经实验证明,小波分解的ARI-MA-SVM组合模型较单一的预测模型效果更为理想。

灰色支持向量机在机场吞吐量预测中的应用

在分析传统预测方法不足的基础上,利用灰色支持向量机组合分析模型,以实际值与灰色模型预测值的比值序列作为支持向量机模型的输入,选取径向基函数为核函数,并通过交叉验证法选取最优参数,利用支持向量机模型分析预测比值序列,最后通过灰色模型还原为货邮吞吐量的预测值.以上海机场货邮吞吐量为例,对灰色支持向量机模型进行了实证分析,并与灰色模型、支持向量机模型进行了对比.