运用灰色支持向量机技术预测混凝土桥梁的极限荷载

叙述了提取混凝土桥梁极限荷载影响因素的重要性和影响桥梁极限荷载的多方面因素,解释了灰色预测法和支持向量机的基本定义和主要作用,阐述了灰色预测法预测建模和灰色支持向量机计算方法,选取了某混凝土桥梁为测试对象,设置实验测试方案及参数并进行了测试,取得了预期效果。

基于灰色支持向量机的湿天然气集输管道腐蚀研究

湿天然气集输管道系统运行时间长,管道腐蚀严重,失效泄漏事故频发,其系统风险评价面临诸多问题,因而研究其腐蚀率预测有重要意义。基于灰色支持向量机(GSVM)方法,综合考虑管道材质及其各种影响因素,对其进行灰色相关分析,并根据结果选取有较高相关度的影响因子作为输入变量,将腐蚀率作为目标输出函数,建立湿天然气集输管道腐蚀预测模型。并通过实证分析比较,发现用该模型计算出的管道腐蚀率平均相对误差较小,其预测结果与实际值吻合程度较高,使预测精度得到提高。

京津冀城市可持续发展效率预警研究——基于灰色支持向量机回归模型的预测

选用支持向量机回归模型与灰色GM(1,1)模型组合方式对2020—2022年京津冀城市可持续发展效率各项测度指标值进行了预测,先将所得指标预测值代入超效率CCR-DEA模型,从而得到2020—2022年京津冀城市可持续发展效率的预测值,再将预测值及其均值与2012—2019年的实测值及其均值进行比较,得以判断预测期京津冀城市可持续发展状态。预警判断结果实现了与京津冀城市可持续发展现状及该区域内若干发展政策的相互印证,从而印证了文章所提供的研究框架和预警建模方法的可信性。文章不仅丰富了城市可持续发展效率预警研究文献,而且有助于深入理解京津冀协同发展战略。

基于灰色支持向量机的基金波动率预测研究

鉴于灰色预测方法和支持向量机各自的优点,将灰色预测方法与支持向量机相结合,建立灰色支持向量机模型,并以极差替代收益的标准差度量波动率,运用新模型对深圳基金波动率进行实例分析。通过与v-支持向量机的预测结果对比,发现所提出的模型适合于基金波动率的中短期预测。

基于灰色支持向量机的民航旅客吞吐量预测

依据灰色预测和支持向量机的特点,提出了一种将两种预测方法相结合的灰色支持向量机,并结合民航旅客吞吐量的预测结果,对比了灰色预测模型、支持向量机以及灰色支持向量机的预测结果,验证了灰色支持向量机的预测精度高,预测结果更为准确可靠,为提高民航旅客吞吐量预测精度提供了新的途径.

基于灰色支持向量机的连续梁桥线形控制研究

随着高速铁路的快速发展以及无砟轨道桥梁的建设要求,对于采用悬臂浇注施工的连续梁桥,对合龙精度以及成桥线形提出了更高的要求,需要对立模标高进行更加可靠的预测。传统的施工控制预测方法很难满足精度的要求,该文提出了通过灰色理论进行数据预处理,然后结合最小二乘支持向量机建立径向基核函数模型,对施工过程中悬臂端预拱度调整值进行预测,并与标准最小二乘支持向量机比较,以某一实际大跨度高速铁路连续梁桥为例,验证了灰色支持向量机应用于连续梁桥施工控制中的可行性和优越性。

基于灰色支持向量机的汽车制动系统故障诊断与预测

制动系统在汽车的众多系统中极为重要,汽车在使用中若出现故障,会给车辆带来严重安全威胁。因此,如何对于汽车潜在的故障进行预测和诊断就显得尤为重要。而基于传统的预测模型建立起来的汽车制动系统故障预测方法却存在一定的缺陷,使得预测结果受到影响,但基于灰色支持向量机的汽车制动系统故障诊断与预测方法可以解决当前存在的问题。基于此,本文主要探讨了汽车制动系统诊断和预测中灰色理论以及支持向量机应用的相关问题,供读者参考。

综合最优灰色支持向量机模型在季节型电力负荷预测中的应用

季节型电力负荷同时具有增长性和波动性的二重趋势,使得负荷的变化呈现出复杂的非线性组合特征。对此,提出了一种综合最优灰色支持向量机预测模型,研究了同时考虑2种非线性趋势的复杂季节型负荷预测问题,说明了此优化模型分别优于2种单一负荷预测模型。在此基础上,对一般粒子群算法引入粒子速度自适应可调机制,并利用改进粒子群算法优化组合预测模型中的权值。对电力负荷预测应用实例的计算结果表明,该模型较大提高了季节型负荷预测的精度,具有较好的性能。

永磁同步电机转子位置提取近似分类支持向量机灰色预测方法

针对单一灰色预测方法下磁特性曲线建模对电机不同运行状态区分能力差、概括性不强,由此导致估计误差较大的问题,提出基于支持向量机分类细化特性曲线区,提高用以灰色GM(1,1)预测建模数据指数光滑度,改善转子信息估计精度的灰色近似支持向量机分类预测算法。将此预测方法用于永磁同步电机的矢量控制当中,数值仿真结果证明,引入先期近似支持向量机分类算法后的转子位置灰色预测法可以在较少测试数据集上达到较高的估计精度。

基于灰色支持矢量机的金属构件寿命预测

基于灰色系统和支持矢量机理论,建立了基于计算机软件预测金属构件剩余寿命的灰色支持矢量机模型,并应用此模型预测了某大型设备连接件的模拟试件剩余寿命,得到了较高精度的预测结果,为小样本情况下金属构件的疲劳寿命在线预测提供了一种简单、可靠和实用的新方法;同时也为大型结构件的寿命预测提供了可靠的基础。

灰色最小支持向量机模型在高程拟合中的应用

针对传统单一灰色最小二乘支持向量机(GLSSVM)高程拟合方法的不足以及LSSVM模型参数选择的随机性,该文提出了一种基于PSO-GA算法优化的灰色最小二乘支持向量机高程拟合模型。模型将灰色模型与最小二乘支持向量机模型相结合,建立GLSSVM模型,并结合粒子群算法与遗传优化算法寻找GLSSVM模型的最优参数组合。为进一步验证提出模型的可靠性与有效性,通过具体工程实例,并将拟合结果分别与粒子群算法优化的最小二乘支持向量机模型(PSO-GLSSVM),遗传算法优化的最小二乘支持向量机模型(GA-GLSSVM)及单一GLSSVM模型进行对比分析,结果表明,PSO-GA-GLSSVM模型拟合精度更好,可靠性更高,为高程拟合研究提供了一种思路。

基于SBAS-InSAR和GM-SVR的居民区形变监测与预测

采用合成孔径雷达时序分析方法,利用2016-12~2017-05(12 d为一个周期)连续13景哨兵卫星雷达影像对淮南矿区内的居民区杨聚庄进行形变监测。根据矿区形变特征,提出一种基于灰色支持向量机(GM-SVR)的组合预测模型对矿区形变进行预测,并与传统的单一灰色模型和支持向量机预测模型进行对比。结果表明,时序InSAR技术和GM-SVR模型的结合,可以实现对矿区形变的快速监测和灾害预防,为矿区灾害监测与预警提供了一种可靠手段。

基于LSSVM的区域卫星高程拟合模型

针对传统GPS高程拟合方法模型单一、计算复杂等问题,提出一种GPS高程拟合算法:采用灰色最小二乘支持向量机高程转换模型,同时采用粒子群算法寻找模型最优参数;并与其他模型对比。实验结果表明,提出的GPS高程拟合算法能够在很大程度上提高利用少量样本数据拟合模型的稳定性与预测精度,使高程拟合更加可靠。