基于支持向量机与改进高斯过程混合模型的车用电池容量预测方法

基于数据驱动的容量预测有助于锂电池健康管理以延长其使用寿命。然而,目前大多数相关方法基于实验室数据展开,无法反映实际复杂工况下车用电池老化特性。因此,本文利用电动汽车实车数据,设计了一种基于支持向量机与改进高斯过程的混合模型,实现了车用电池容量的精确预测。首先从汽车实时运行数据集中利用滑动窗口安时积分法提取其容量数据,设计了集合经验模态分解方法,将电池容量分为长期退化趋势和短期波动两部分,然后分别设计支持向量机与改进高斯过程对这两个分量进行建模,将结果融合得到最终的容量预测值。基于三辆实车数据集的试验结果表明,所提出的方法可以适用于实车数据的高精度容量预测。

基于改进支持向量机在移动通信网络隐私数据泄露检测中的应用

文章针对移动通信网络中的隐私数据泄露检测问题,提出了一种基于改进支持向量机(SVM)的检测方法。通过构建移动通信网络隐私数据泄露检测的结构,分析了如何改进SVM算法以及利用粒子群优化技术(PSO)优化SVM参数,从而提高检测准确度和降低计算复杂度。此外,文章还对改进算法进行了实验,实验结果表明,文章提出的方法在准确性和稳定性方面均优于传统方法,具有一定的实用价值。

基于改进核函数的支持向量机天然气脱硫装置故障诊断方法

针对传统脱硫故障诊断方法反应慢、诊断准确率低的问题,根据Mercer理论,改进了支持向量机(Support Vector Machine,SVM)的核函数及其参数,建立了一个由多项式核函数、Sigmoid核函数和高斯径向基核函数复合成的改进核函数,在此基础上提出了一种基于改进核函数的SVM天然气脱硫装置故障诊断方法。相对于传统SVM,改进SVM体现了各单一核函数的优点,并具有更好的学习效率及诊断准确率,在小样本数据条件下仍然具有较好的泛化能力。利用HYSYS软件建模并与现场数据进行对比实验,由实验结果可知改进SVM的误差率降低到传统SVM误差率的约30%,验证了新方法能有效提高脱硫装置故障诊断的准确率和效率。研究结果有助于天然气脱硫装置故障诊断系统工作的智能化开展,同时也为故障诊断方法的研究提供了借鉴。

基于改进麻雀搜索算法和支持向量机的边坡稳定性

边坡失稳是由多种因素共同作用的结果,常规的数学模型难以准确预测。为提高边坡稳定性预测精度,采用多策略融合改进麻雀搜索算法(improved sparrow search algorithm,ISSA)优化支持向量机(support vector machine,SVM),进而建立边坡稳定性预测模型(ISSA-SVM模型)。将重度、黏聚力、内摩擦角、边坡角、边坡高、孔隙压力比6项因素作为输入特征,将边坡稳定性状态作为输出结果,进而预测边坡稳定性。选取中外工程实例建立边坡数据库,将ISSA-SVM模型与SSA-SVM模型进行对比分析,通过灰色关联度分析法(grey relation analysis,GRA)进行敏感性分析。结果表明:ISSA-SVM模型预测精度更高、泛化能力更强,黏聚力和内摩擦角是对边坡稳定性最为敏感的因子。所提ISSA-SVM模型不仅能够准确地预测边坡稳定状态,还可以为其他领域相关问题提供参考。

基于改进支持向量机的数字档案多标签分类算法

当前的数字档案分类方法存在测试集与训练集的基数之间差值偏大的问题,导致分类结果出现误差。为此,设计一种新的基于改进支持向量机的数字档案多标签分类算法。根据SVM函数确定数字档案信息的标签隶属度。求解深度指标,完成基于改进支持向量机的数字档案标签挖掘。获取数字档案信息样本,计算标签参量之间的相似度水平,实现基于改进支持向量机的数字档案多标签分类算法的设计。实验结果表明,研究方法下的标签测试集基数与训练集基数之间的差值始终小于350个,不会造成严重的数字档案信息错误分类问题。

基于改进灰狼算法优化支持向量机的边坡位移预测

为了提高边坡位移预测精度,采用帐篷映射和位置收敛参数变化方式调整两种对改进了灰狼算法,得到改进灰狼算法。采用改进灰狼算法对支持向量机进行优化,建立基于改进灰狼算法优化支持向量机的边坡位移预测模型,采用实际水利工程边坡位移数据进行仿真分析,IGWO-SVM模型的平均相对百分误差和均方根误差分别为2.41%和0.21,预测效果优于PSO-BP模型,验证了该模型在边坡位移预测方面的实用性和优越性。

基于改进支持向量机的工业园区节能减排效果综合评价研究

为准确评价工业园区节能减排效果,提出一种基于改进支持向量机模型的评价方法。从污染物对外排放、物质资源利用等6个层面出发,打造工业园区节能减排效果评价指标体系,将采用粒子群优化(PSO)算法改进的最小二乘支持向量机(LSSVM)模型作为评价模型,实现了工业园区节能减排效果的评价。最后,通过江苏省2015-2021年某工业园区新能源节能减排相关数据进行实证分析,验证了方法的有效性。

基于改进支持向量机的无人值守变电站遥视门禁人脸识别方法

当前的无人值守变电站遥视门禁人脸识别节点设定一般为分布式形式,识别范围较小,导致门禁识别状态延时增加,为此提出对基于改进支持向量机的无人值守变电站遥视门禁人脸识别方法的设计与验证分析。根据实际识别的需求及标准,对识别图像进行预处理,采用多层级的方式,扩大实际的识别范围,设定多层级识别节点,构建改进支持向量机门禁人脸识别模型,采用级联Adaboost处理实现人脸识别。最终的测试结果表明:对比于传统Face++嵌入式遥视门禁人脸识别测试组、传统大数据遥视门禁人脸识别测试组,本次所设计的改进支持向量机遥视门禁人脸识别测试组最终得出的门禁识别状态延时被较好地控制在15 ms以下,说明该种识别方法的针对性较强,识别的速度及效率较高,具有实际的应用价值。

基于改进支持向量机的配电电力变压器内部过热故障识别方法

为降低配电电力变压器内部过热故障识别误差较大的问题,提出基于改进支持向量机的配电电力变压器内部过热故障识别方法。该方法针对变压器内部过热故障展开分析,并基于分析结果,进行特征量的选择和归一化处理,以消除气体体积分值存在的差异,为确保后续识别结果的准确性奠定基础。然后通过跨子群交流策略和最优群体自变异策略改进蛙跳算法。最终基于改进后的混合蛙跳算法来进行实现支持向量机的改进,完成配电电力变压器内部过热故障识别。测试结果表示,采用所提方法进行配电电力变压器内部过热故障识别,其识别确率始终在95%以上,具有较强的应用性。

基于改进支持向量机的用户端用电负荷预测研究

常规用户的用电负荷预测方法主要采用分层测量技术,无法提取用电行为动态影响系数,因此预测结果与实际结果间的偏差较大,预测性能不佳。为此,本文提出基于改进支持向量机的用户端用电负荷预测研究。首先,分析影响负荷预测的因素,对其进行拟合优化处理,以获取综合影响指标。其次,采用平均信息向量法求取负荷及影响指标间的相关性系数,并根据用户用电负荷特征曲线时间序列提取用电行为动态影响系数。最后,引入改进支持向量机算法,构建负荷预测模型,进而实现用户用电预测。实例应用结果显示,所提方法得到的预测结果与实际结果基本相符,预测性能较好。

基于改进支持向量机的软件缺陷快速分类研究

随着软件在各行业的广泛应用,对软件缺陷快速而准确的分类变得愈发关键。本文基于支持向量机(SVM)算法,提出了一种新的改进算法,强调提高处理效率和降低对噪声的敏感性,并通过对比分析实验结果,验证了改进算法相对于传统算法的性能优势。本文的研究结果能够为软件工程领域提供更先进、可靠的软件缺陷分类方法,为确保软件质量和可维护性提供有力支持。

基于改进支持向量机的混凝土桥梁极限荷载预测研究

作为基础设施的重要组成部分,混凝土桥梁承担着货物运输和人员通行的重要任务,然而由于长期受到环境因素和交通负荷的影响,桥梁结构会逐渐受损,可能会导致严重事故和损失,因此准确预测混凝土桥梁的极限荷载对于确保桥梁结构的安全性和可靠性至关重要。以改进支持向量机为基础,对混凝土桥梁极限荷载进行精准预测,为桥梁结构的健康监测和维护提供一种可靠的工具和方法。

基于改进支持向量机的智慧变电站继电保护设备故障检测研究

为提高故障检测结果的可靠性,以某智慧变电站为对象,引进改进支持向量机,开展关于继电保护设备故障检测方法的设计研究。实验结果证明,该方法可以实现对继电保护设备故障的精准检测。继电保护设备是智慧变电站中不可或缺的一部分,此设备通过检测系统中发生的故障,采取自动或手动措施,防止故障蔓延,保证电力系统的安全可靠运行。

基于层次模糊熵和改进支持向量机的轴承诊断方法研究

提出一种新的轴承故障特征提取方法——层次模糊熵(Hierarchical Fuzzy Entropy,HFE)。层次模糊熵包括层次分析和模糊熵计算。与多尺度模糊熵相比,层次模糊熵既分析信号的低频分量又分析信号的高频分量,因而能提取更全面、准确的故障信息。改进支持向量机(Improved support vector machine based binary tree,ISVMBT)相比其他多分类器具有识别率更高的优势,因此提出了一种基于层次模糊熵和改进支持向量机的轴承故障诊断方法。首先将HFE作为故障特征提取工具,然后将所得的特征向量输入到改进支持向量机进行模式识别。通过轴承故障诊断的工程应用,表明该方法可以有效提取轴承故障特征,实现轴承不同故障类型和故障程度的准确识别。

基于聚类改进S变换与直接支持向量机的电能质量扰动识别

针对电能质量扰动信号的识别问题,提出基于聚类改进S变换与直接支持向量机(SVM)的电能质量扰动识别方法。提出聚类改进S变换方法,该方法结合电能质量扰动信号的特点,可同时对基频的时域分辨率及高频的频域分辨率进行最优化处理,保证特征提取的准确性;将直接支持向量机作为分类器,与最小二乘支持向量机相比,其求解简单,计算复杂度较低,训练与测试速度快,泛化能力较高,并且避免不能保证全局最优解的缺点;将聚类改进S变换与直接支持向量机相结合,应用于单一扰动及混合扰动的识别分类工作。仿真实验验证了所提方法的有效性。

基于改进小波能熵和支持向量机的短时电能质量扰动识别

提出了一种基于改进小波能熵和支持向量机(SVM)的短时电能质量扰动识别方法。首先对采样信号进行小波多分辨分解与重构处理,然后引入滑动时间窗算法,从时-频域结合分析的角度,选用高频带的小波系数进行特征提取;提出了改进小波能熵算法,并用此计算相应的熵值作为扰动特征量,将这些特征量作为SVM的输入,实现短时电能质量扰动的辨识。通过原始小波能熵与改进小波能熵的对比,仿真结果表明了改进算法的有效性。

改进支持向量机对污水处理厂运行状况的故障诊断

针对污水处理厂运行时故障数据不平衡性和代价敏感等特点,构造风险泛函RWLOO(α)来改进支持向量机(Support vector machine,SVM);并用遗传算法(GA)对风险泛函求全局最优.在GA对RWLOO(α)寻优过程中,SVM的几个参数以及核函数同时进行最优化.结果表明:用改进的SVM对污水处理厂的故障数据进行分类时,比未经改进的SVM错分类率低16.5%.

改进遗传算法和支持向量机的岩体结构面聚类分析

岩体结构面控制着岩质边坡和地下洞室等岩体工程的稳定性,在岩体力学及水力学分析中起到关键作用。为对岩体结构面进行合理分组,精确地模拟岩体结构面网络的分布,提出一种融合改进遗传算法和支持向量机的聚类方法。首先,根据岩体结构面产状信息建立结构面分组的数学模型,采用改进的遗传算法计算结构面样本的全局最优聚类中心,再以聚类中心为训练样本,利用支持向量机方法将结构面样本进行完全划分。通过随机产生的结构面数据以及实际工程的运用表明,遗传-支持向量机聚类算法对岩体结构面的分组合理,获得的优势结构面结果可靠。

改进支持向量机模型的旋转机械故障诊断方法

针对支持向量机在旋转机械的故障诊断中存在的模型超参数选择的不确定性,利用超参数相关理论和先验知识界定模型超参数选择区间,结合全局搜索和局部搜索实现参数优化组合,运用泛化模式搜索的模型超参数选择方法,并将改进的支持向量机模型引入旋转机械的故障诊断。结果表明,改进的模型具有较高的搜索效率和参数优化选择性能,提高了故障诊断的精度。

最小二乘支持向量机联合改进果蝇优化算法的CFB锅炉燃烧优化

针对电厂循环流化床(CFB)锅炉降低污染物排放和提高锅炉燃烧效率的问题,本文首先应用最小二乘支持向量机(LS-SVM)建立了锅炉效率、NO_x和SO_2排放特性的软测量模型,并对比了LS-SVM和BP神经网络模型的性能;然后基于LS-SVM建立的模型,提出了3种优化策略,采用改进果蝇优化算法(MFOA)在一定范围内对CFB锅炉运行工况的可调参数进行优化。结果表明:LS-SVM模型与BP神经网络模型相比,训练时间较短,预测精度较高,泛化能力较强;CFB锅炉效率最多提高了0.61%,NO_x和SO_2排放质量浓度最多降低了7.88%和18.13%。