基于AdaBoost组合算法的衍生金融工具风险预测

文章构建了衍生金融工具风险预测的AdaBoost组合算法的单属性测试和决策树模型;详细论述了单属性测试和决策树与AdaBoost算法的分类器组合机制,同时界定了12个风险检测变量指标,运用252个我国上市公司作为初始样本,分别进行了一年、两年和三年的26次衍生金融工具风险预测的AdaBoost组合算法的单属性测试(SAT),AdaBoost组合算法的决策树(DT)、单决策树和单支持向量机(SVM)实验,结果表明,基于AdaBoost组合算法的衍生金融工具风险预测模型可以对公司衍生金融工具风险进有效的预测。

钻孔瞬变电磁法扫描探测RCQPSO-LMO组合算法2.5D反演

利用钻孔进行超前探测地质构造及含水体是地下开挖工程中的常规手段,如何利用这些钻孔进行钻孔瞬变电磁法扫描探测,从而实现钻孔孔壁外围地质异常体的精细探测,对实现地下工程地质透明化具有重要的指导意义.本文提出钻孔瞬变电磁法扫描探测2.5D反演的数据解译方法,首先针对随机性反演算法时效性低,易陷入局部最优解,而确定性反演算法依赖初始模型的问题,提出了组合策略的量子粒子群优化算法用来随机搜索最优初始模型.在此基础上,利用Levenberg-Marquarat方法求解Occam反演的目标函数,形成了RCQPSO-LMO组合算法进行2.5D反演,通过对比组合算法和单一算法,验证了组合算法具有更精确的反演结果.其次结合屏蔽条件下扫描探测,对比分析了有无屏蔽的2.5D反演结果,通过设定屏蔽系数对非探测方向信号进行部分压制,可以较好地解决钻孔径向扫描探测中对非探测方向信号部分屏蔽下的反演及成像.最后建立三组理论模型进行组合算法2.5D反演,结果表明:组合算法反演结果与理论模型的一致性较好,对低阻异常体的反演精度较高,验证了组合算法对钻孔孔壁外围低阻异常体具有较高的反演精度和分辨能力.

基于贪心组合优化的分布极端不平衡分类算法

现有针对不平衡数据分类的研究主要从重采样、特征、代价和算法等4个角度展开,方法多样,但针对极端不平衡的数据分布仍缺乏有效算法.本文的目标是通过结合各种算法的特性获取一个最优性能的组合算法.本文假设算法间的组合满足次模函数性质,并采用贪心的组合优化方法.具体而言,选择深度森林算法为基础,依次组合最优重采样方法、以异常检测思想的特征提取方法对数据进行的特征处理方法或基于贝叶斯优化的最优代价敏感矩阵方法.在3种组合算法中选择分类性能最优的算法组合,再次组合其余角度的方法,判断分类性能是否再次提升.实验选择两组极端不平衡数据——真实饮用水数据和UCI数据库中的page-blocks数据进行验证.结果表明,基于贪心优化对算法间进行组合,在3轮迭代后得到的算法组合,较单一算法其分类性能能有进一步的提升.

最省刻度尺设计的组合差集递推算法

在长度为n(n≥2为正整数)的直尺上最少刻多少个刻度就能度量1到n的所有长度,这便是至今未解决的最省刻度尺问题。阐明了最省刻度尺与极小优美图之间的关系,给出了计算最省刻度尺的所有最省刻度值的组合差集递推算法,得到长度为3~40的最省刻度尺的所有最省刻度值,同时,结合图论模型,给出了长度为41~82的最省刻度尺的最省刻度值。

基于GA-SA组合算法的山区复杂环境无人机起降点选址

针对山区复杂环境下的物流链前端无人机货运起降点选址和任务分配进行研究。首先以建设成本最小和运输时间满意度最大为目标,综合考虑无人机自身性能和禁飞空域等因素,构建多约束条件下多目标函数的起降点选址和任务分配模型。采用遗传算法(genetic algorithm, GA)和模拟退火算法(simulated annealing algorithm, SA)的组合算法进行求解,首先通过遗传算法得出较优的可行解,再以此解作为退火算法的初始解进行模型求解。仿真结果表明,构建的多约束模型能够实现预期效果,并且采用的算法解决此类问题时具有良好的适用性。

基于高频组合片段-基因表达式编程算法的轨道交通地面沉降预测模型

[目的]地面沉降预测和控制是轨道交通盾构法隧道施工中最为关注的问题之一。为了解决现有地面沉降预测和控制中存在的模型表达过于复杂且缺乏解释性的问题,需要一种既简洁清晰,又能够描述复杂问题的可解释模型,GEP(基因表达式编程)算法提供了这种可能性,因此需对基于HFS(高频组合片段)-GEP算法的轨道交通地面沉降预测模型进行深入研究。[方法]以杭绍城际铁路某区段盾构隧道工程为依托,选取盾构施工过程中的土舱压力、刀盘扭矩、刀盘转速、推进速度、总推力、隧道埋深及盾尾注浆量等参数作为关键输入型施工参数,地面沉降作为输出型施工参数,通过备选公式集筛选以及HFS选取,建立基于HFS-GEP算法的轨道交通地面沉降预测模型。利用该模型对第180环—第210环区段的关键施工参数进行优化调整,分析盾构施工参数变化对地面最终沉降的影响效果。[结果及结论]基于HFS-GEP算法的地面沉降预测模型可以反映盾构施工参数与地面最终沉降的显式关系;相较于传统GEP算法的地面沉降预测模型,该模型准确度更高,结构更为简洁,且收敛速度更快。通过对盾构关键施工参数进行优化调整,该模型可将第180环—第210环区段的最终沉降量控制在10 mm以内。

两阶段云服务组合优化算法及其应用研究

针对目前云服务市场中如何快速有效为客户提供最优组合云服务问题,提出一种包括灰色关联和自适应遗传算法的两阶段云服务组合优化算法。首先根据用户云服务需求,利用灰色关联分析对云服务进行初步筛选形成候选云服务集;其次建立时间最短、成本最低、可用性、互操作性、可扩展性和满意度最佳的多目标决策模型,采用自适应遗传算法求解模型,确定最优云服务组合方案;最后通过算例证明该算法在解决最佳云服务组合方面的合理性和科学性。

基于组合变异和分组优化的单亲遗传算法求解旅行商问题

针对遗传算法求解旅行商问题存在收敛速度慢、容易陷入局部最优等问题,提出了基于组合变异和分组优化的单亲遗传算法。算法设计了由双侧倒序、近邻交换、跳跃基因构成的组合变异算子,用于扩大搜索范围,增强种群的多样性;经过精英优选后,将种群按适应度优劣分为两组作局部优化,对优质互异组依次采用插入和2opt算子,加快进化收敛速度;对普通组用倒序算子,增强其跳出局部最优的能力。仿真实验表明,对于中小型规模的旅行商问题,该算法在收敛速度和求解能力上得到明显改善和增强。

组合八邻域跟踪算法监测全闪电雷暴活动时空演变过程及特征

雷暴是威胁电力系统安全可靠运行的重要因素,监测雷暴活动可以为电力系统雷电防护提供雷暴活动路径及预警信息。该文提出一种组合八邻域雷暴跟踪算法及跟踪结果评估指标,并采用该算法对珠三角地区九次雷暴活动进行时空演变特征分析和定量评估。结果表明,九个雷暴活动共识别出大于18 min的轨迹1490条,其中简单轨迹和含分裂合并过程的复杂轨迹各占一半。雷暴活动平均速度为51.4 km/h,速度中值为43.0 km/h,简单轨迹平均速度比复杂轨迹慢。评估指标命中率(POD)、虚假警报率(FAR)和临界成功指数(CSI)分别为64.3%、40.4%和42.7%,轨迹时长中值、平均轨迹偏差、非连贯性和平均合并分裂次数分别为24 min、2.80 km、0.0327 s^(-1)和2.51次。该方法可以很好地描述雷暴活动时空演变过程和评估跟踪结果,为雷电预警提供了有效手段。

基于Adaboost算法的沉积微相自动识别--以陇东气田Q区山西组为例

在油气田开发中,沉积微相识别对于明确沉积背景及单砂体刻画起着重要的作用。陇东气田地质条件复杂,主力气藏深度大、产层单一,仅山1段底部产气,对于多种资料交叉共同分析沉积微相,仅依靠人工判别沉积微相,过程复杂且容易出错,很难在沉积微相和测井数据之间建立精确的对应关系。为了充分利用测井资料,提高沉积微相划分的效率,提出一种基于Adaboost算法的沉积微相自动识别方法,为后期气田开发沉积背景及单砂体刻画提供更准确的依据。在研究中,对测井曲线进行优选,并进行预处理,运用数学统计法提取了6个特征参数作为训练的输入集,把沉积微相的类型作为训练的输出结果标签,从已解释的沉积微相数据中选取共1210组作为训练样本,其中组建的训练样本共约968组,组建测试样本242组。研究结果显示,应用该方法的训练效果和测试结果的准确性分别达到96.45%,90.4%,可以验证该方法在陇东气田Q区应用效果较好。

基于二次分解和乌鸦搜索算法优化组合模型的超短期风速预测

针对风速的波动性和随机性等特点,提出一种基于二次分解和乌鸦搜索算法优化组合模型的超短期风速预测方法。该方法的基本思路是构造基于变分模态分解、样本熵和奇异谱分析的二次分解的方法,将原始风速序列分解为不同的子序列,并对这些子序列分别建立预测模型,最后重构。对变分模态分解的子序列建立基于长短时记忆网络的深度学习模型预测,而残差序列进行二次分解后的子序列建立乌鸦搜索算法优化的组合预测模型预测。最后,对子序列进行重构并得到最终的预测结果。使用实际的风速观测资料开展模拟实验,结果表明:在3个风电场中,所提模型与其他模型相比平均相对误差分别提升了30.07%、37.56%和37.40%,验证了混合模型在超短期风速预测中的有效性和稳定性,以及在不同数据集上的泛化性能。

质量感知的多目标云制造服务组合优化算法

云制造服务组合问题往往存在多个优化目标且各目标权重难以事先确定,为了显著提高进化算法在求解过程中的种群多样性,并有效平衡进化算法的全局与局部搜索能力,提出一种基于自适应选择和反向学习策略的进化算法,同时优化时间、成本、可靠性、可用性和信誉度。首先为了缩短求解组合方案的时间,采用K-means方法基于服务质量对候选服务进行聚类,去除质量较差的服务;然后采用反向学习策略提高全局搜索性能,再通过选择策略和概率更新策略有效平衡算法的全局与局部搜索能力;最后与4种先进算法进行实验对比表明,所提算法具有更好的综合性能。

基于多目标优化算法NSGA-Ⅱ的软件多样化组合方法

软件多样化因能有效提升系统弹性、增加恶意二进制分析的成本而被广泛应用于软件开发等场景中。而如何对现有软件多样化技术进行组合部署,以在获得更高安全增益的同时保持较低的性能开销,是当前软件多样化研究的核心问题之一。针对现有软件多样化组合方法中搜索算法效率低、搜索空间小、安全性评估指标不全面、难以综合考量软件多样化对各类攻击的影响等问题,提出了一种基于多目标优化算法的软件多样化组合方法,将软件多样化组合问题构建为综合考量TLSH相似度、gadget质量分数和CPU时钟周期数指标的多目标优化模型,并设计了包括染色体编码、自适应交叉和变异算子,以及针对组合方案的有效性验证算法等在内的NSGA-Ⅱ求解算法。最后,在GNU核心工具组数据集上进行实验,结果表明,该组合方法可有效生成高安全增益、低性能开销的软件多样化组合方案。

基于自适应增强(AdaBoost)的径向基(RBF)神经网络改进算法在关键词预测中的应用

探究学科或领域内研究发展趋势和热点一直以来受到国内外学者们重点关注,而高频关键词的频次变化分析是其中重要的研究内容。关键词的变化与时间存在强相关性,但当前仅有少数研究考虑了关键词随时间密切变化的特性。在考虑关键词信息的时间属性基础上,提出一种基于自适应增强(AdaBoost)的径向基(RBF)神经网络预测算法(以下简称“RBF改进算法”),对关键词频次进行分析预测。对中国知网2007—2022年收录的医学图像期刊论文关键词进行处理,其中将2007年至2021年的数据作为实验训练数据,2022年数据作为验证数据,通过算例分析,对比RBF改进算法、反向传播算法和时间序列算法对关键词词频的预测结果。结果发现:通过AdaBoost算法对RBF算法进行改进,能够增强RBF神经网络的泛化能力以及对样本的适应性,同时保留了RBF神经网络较好的非线性映射能力这一优点;RBF改进算法预测结果与实际数据接近,其预测精度优于反向传播神经网络和时间序列算法,该算法的预测效果更佳。

一种改进组合加权的TDOA室内二维定位算法

针对现有组合加权算法对定位区域边缘的目标定位时精度较低的问题,在现有组合加权算法的基础上提出了一种改进算法。首先,将基站分组,以到达时差算法得到目标位置的多个估计结果;其次,计算各估计结果之间距离值并排序,以滑动窗口法判断是否存在基站组出现异常定位估计;最后,当任意基站组的定位结果发生异常时,使用目标位置估计结果及其估计克拉美罗下界值设计两个加权步骤的权值,通过二步组合加权算法得到最终定位结果。仿真结果表明,所提算法有效减少了原组合加权算法对定位区域边缘的目标定位时的误差,当测量噪声标准差为0.8 m时,所提算法相较于原算法在正方形边缘区域定位均方根误差减小了0.35 m;在定位狭窄矩形区域时,所提算法平均定位均方根误差减小了0.11 m。

基于加权组合算法的点云孔洞修补

为了对无人机航测数据中的点云孔洞进行修补,将最小二乘支持向量机算法LS-SVM和遗传算法GA优化的反向传播神经网络算法BP进行线性组合,构建一种加权组合模型,用于散乱点云数据中的孔洞修补。通过两种修补方法的误差进行两者的加权组合,建立出与两种修补方法误差相关的加权组合模型,并将加权组合模型的修补结果与单一使用最小二乘支持向量机、遗传算法优化的BP神经网络两种修补方法的修补结果进行残差和内外符合精度的比较与分析。结果表明:采用加权组合模型得到的点云修补结果内外符合精度较高,且具有更强的稳定性,为无人机获取的点云数据提供了一种有效的孔洞修补方法。

基于邻域互信息的组合预测最优子集选择算法

为在候选模型集中高效地选择时间序列组合预测的最优子集,提出一种CSPSO-NMI-MRMR最优子集选择算法。利用邻域互信息(neighborhood mutual information, NMI)度量相关性和冗余度,避免数值型数据的离散化,按最大相关最小冗余原则(minimal redundancy and maximal relevance, MRMR)筛选最优子集;邻域互信息中的邻域参数与子集选择效果密切相关,采用CSPSO算法寻找最优邻域参数,充分利用布谷鸟算法(cuckoo search, CS)和粒子群优化算法(particle swarm optimization, PSO)的优势,兼顾搜索效率和全局搜索能力;在寻参过程中设计一种淘汰策略,优化邻域参数的寻优区间并淘汰部分单模型,减少计算量。仿真结果表明,所提方法在预测精度、运行时间和稳健性上效果更优。

基于NSGA-Ⅱ算法的制造资源组合优化

为解决定制产品制造过程中的资源组合优化问题,建立基于制造需求的制造资源组合优化模型,将制造资源的组合优化描述为多目标优化问题,提出了机械加工总时间、机械加工总成本、机械加工总能耗3个优化目标,建立数学模型并采用NSGA-Ⅱ遗传算法进行求解。计算结果表明,多目标优化算法结果相较于传统的单个决策原则下的方案实现了时间、成本、能耗3者的最佳平衡,并且结合MOPSO算法结果进行对比分析,得出NSGA-Ⅱ算法在目标函数上的分布性和优化效果更好。

泵站单机组优化调度组合改进粒子群算法

开展泵站节能降耗优化模型算法研究、实现泵站经济运行具有重要的现实意义。动态规划法在泵站优化调度模型求解中较为常用,针对动态规划法决策变量离散处理对精度的影响,引入决策变量在可行域内随机生成并不断更新的粒子群算法,并提出“Sobol序列优化初始种群+实时调整惯性权重+正余弦替代学习因子”多策略融合的改进方法,通过4种基准函数性能测试,验证了改进粒子群算法在搜索能力和计算精度上有显著提升。在此基础上,将改进粒子群算法应用于某大型调水泵站以耗电费用最小为目标的单机组变速优化模型求解中,得到不同时段的最优决策方案及相应的目标最优值,并与动态规划法计算结果进行对比,2种方法最优决策过程基本一致,最优目标值精度相当。结果表明:粒子群算法组合改进策略是可行的,计算结果是可靠的,可以作为泵站优化调度模型求解的一种有效方法。

基于改进Sage-Husa的GNSS/SINS组合导航系统自适应UKF算法

GNSS/SINS组合导航系统的无迹卡尔曼滤波器(UKF)是以准确的测量噪声统计特性为基础的,当测量噪声统计特性发生变化时,如不对其进行准确的估计,将会导致UKF的滤波性能下降甚至发散。为了解决上述问题,提出了一种基于改进Sage-Husa的GNSS/SINS组合导航系统自适应UKF算法(ISHUKF)。首先,建立了GNSS/SINS非线性组合导航系统的简化UKF模型;然后,在分析组合导航系统中常规Sage-Husa算法存在滤波发散原因的基础上,提出了一种改进的Sage-Husa算法以保证测量噪声估计方差的正定性;最后,进行了GNSS/SINS组合导航系统的仿真实验。实验结果表明,相对于变分贝叶斯算法,ISHUKF对测量噪声方差的估计精度与其大致相同,并且算法更加简单;相对于标准UKF算法,在整个仿真时段内可提高组合导航系统的位置精度、速度精度和姿态精度分别约33%、35%和72%,进而验证了算法的可行性及优越性,并为复杂环境下组合导航系统的滤波方法提供了一种简易的方法。