基于网格搜索的PCA-SVM道路交通标志识别

针对现有识别方法对交通标志的识别精度和算法效率不高的问题,提出了一种基于网格搜索的主成分分析-支持向量机(PCA-SVM)道路交通标志识别方法。该方法首先采用主成分分析(PCA)法对交通标志进行降维处理,提取出交通标志的主元特征,然后利用网格搜索法(GS)对支持向量机(SVM)进行参数优化,最后利用参数优化好的支持向量机分类器实现对交通标志的识别。通过实验仿真,并与现有的其他交通标志识别算法进行分析对比,实验结果表明,本文方法在保证较高识别精度的同时,算法效率得到显著提高。

车辆自适应巡航下的MPC方法的研究

提出了一种新颖的车辆自适应巡航控制(ACC)系统,该系统可以在保障跟车距离的同时,提升车辆的燃油经济性。基于模型预测控制(MPC)进行ACC的上层控制器搭建,并在此基础上采用高斯过程回归(GPR),网格搜索(GS)和自适应方法进行三轨参数调整,将控制域和预测域调整到最优状态。此外,为了减少计算量并提高稳定性,系统采用了粒子群优化算法(PSO)对系统进行升级改进。仿真结果表明,基于MPC控制的车辆自适应巡航控制系统可以在保证良好跟踪性能的同时降低燃油消耗率。

基于支持向量机回归的二次网供热负荷预测分析

为提高供热负荷预测精度,在传统支持向量机回归(SVMR)基础上,通过网格搜索(GS)及遗传算法(GA)对惩罚参数C和核函数(径向基函数)参数γ两个重要参数寻找最优参数组合,由此得到最佳预测模型,并采用均方误差、平均绝对误差和判定系数R23种方法对SVMR、网格搜索-K折交叉验证-SVMR(GS-KCV-SVMR)和遗传算法-K折交叉验证-SVMR(GA-KCV-SVMR)3种预测模型进行评价.结果表明,GA-KCV-SVMR模型更能有效地预测供热负荷,其R2值为0.96,优于SVMR和GS-KCV-SVMR两种模型,可为工程实践提供参考.

基于KRR优化算法的油水系统中CO_(2)溶解度模型

油藏中注入CO_(2)可形成CO_(2)-原油-地层水三相动态平衡,CO_(2)在油水系统中的溶解度将直接影响CO_(2)驱油效果和封存潜力。为了对CO_(2)在油水系统中的溶解度模型进行研究,以吉林油田某油水系统为例,利用高温高压PVT分析仪开展CO_(2)在不同体积比例油水系统中的溶解度实验,明确了CO_(2)在油水系统中的溶解规律,并基于实验数据,分别利用网格搜索法(GS)和贝叶斯优化算法(BOA)对核岭回归算法(KRR)的参数进行优化,建立了CO_(2)在油水系统中的溶解度预测模型。研究结果表明:CO_(2)在油水系统中的溶解度随CO_(2)注入量的增加而增大,也随油水体积比升高而增大;基于KRR算法的优化模型中,GS-KRR模型和BOA-KRR模型平均相对误差分别为6.758%和1.998%,说明BOA-KRR具有更高的预测精度。利用BOA-KRR模型预测并绘制不同温度、不同油水体积比下的CO_(2)在油水系统中的溶解度图版,可为CO_(2)碳捕集、利用与封存(CCUS)技术的应用提供支持。