GSM-SVM在地震震级预测中的应用

针对地震震级影响因子众多且关系重复等问题,为合理预测地震震级,提出了基于网格搜索法优化支持向量机(support vector machine,SVM)的地震震级预测模型。选取地震累积频度、累积释放能量、b值、异常震群个数、地震条带个数、活动周期和相关区震级等7个影响因子,利用主成分分析法(principal component analysis,PCA)去除因子间的冗余信息,降低输入维数,并利用网格搜索法(grid search method,GSM)确定SVM参数C和g,建立震级预测模型,并对测试样本进行预测,与遗传算法(genetic algorithm,GA)和粒子群算法(particle swarm optimization,PSO)预测结果相对比,结果表明:PCA-GSM-SVM模型预测结果平均相对误差为1.29%,具有较高的预测精度。

基于网格搜索-支持向量机的采场顶板稳定性预测

为准确、快速地预测采场顶板稳定性(SRS),建立基于支持向量机(SVM)理论的SRS评价法。考虑煤-岩石介质与环境条件和工程因素,研究岩石单轴抗压强度、岩石质量指标(RQD)、煤体抗压强度、顶板水文状况和工作面月推进速度对SRS的影响。建立SRS识别的SVM模型。为提高预测模型的泛化能力和预测精度,利用网格搜索法(GSM)及10折交叉确认寻优方法对SVM模型的参数进行优化。用该模型对5组待判工程实例进行判别。研究结果表明,模型训练样本10折交叉确认准确率达91.3%,对测试样本识别正确率为80%,识别结果与实际较吻合。

基于GPS定位的老人跌倒提醒系统设计

设计一种基于GPS定位的老人跌倒提醒系统,该系统以STC12C5A微处理器和ADXL345加速度传感器为核心板,基于SVM阈值法实时检测老人状态,以GPS模块准确定位老人摔倒的位置,当监测出老人跌倒15 s未站起时,通过GSM模块SIM900A电路将相关信息无线远距离传输给监护人。经测试,系统能够在7~10 s内将信息通知到用户,此电路设计的创新点在于系统稳定性好,识别率高,体积小,功耗低,成本低廉。

基于MPU6050加速度传感器的跌倒检测与报警系统设计

分析不同年龄段老年人行为和跌倒状态变化(SVM)和姿态特征变化(姿态角),设计一种基于加速度传感器的跌倒检测系统。使用MPU6050加速度传感器,通过无线传输(HC-06蓝牙模块)将采集到的数据传输到PC机上保存。通过MATLAB辅助分析采集的不同年龄段老年人各种行为数据的差异性,为不同年龄段老年人设置不同的跌倒检测阈值。仿真实验证明对不同年龄段的老年人设置不同跌倒检测阈值的跌倒检测算法与其他同一类型的跌倒检测算法相比有到更高的准确率和实用性。