基于改进SVM的电力工程造价预测

针对支持向量机求解速度较慢且用于预测电力工程造价的性能不理想等问题,提出了一种基于改进SVM的电力工程造价预测模型。该模型全面考虑了电力工程成本的组成要素并进行参数归一化处理,利用最小二乘估计改进SVM模型,同时采用遗传算法求解LSSVM的参数最优值,并通过优化后的GA-LSSVM模型实现对电力工程成本的预测。基于MATLAB仿真平台的仿真实验结果表明,模型预测的工程成本与实际值较为接近,归一化均方误差与平均绝对百分比误差分别为18.34万元和3.58%,且预测时间仅为256 ms,证明了其整体性能优于其他对比模型。

力-热耦合下的MEMS传感器位置偏移自校准方法

在解决力-热耦合作用引发的微机电系统(Micro-Electro-Mechanical System,MEMS)传感器位置偏移问题时,通常运用传统遗传算法实现位置偏移自校准,受到固定参数的影响,该算法容易得到局部最优解,使得自校准后的MEMS传感器测量误差依旧较大。因此,提出一种力-热耦合下的MEMS传感器位置偏移自校准新方法。采用数据融合思想,将多批次采集的MEMS传感器测量数据汇总起来,对比与真实数据之间的差异,判断传感器是否在力-热耦合作用下偏移出工作区。引入误差相位偏移法进一步处理传感器测量数据,获取等间隔变换误差序列,解算出传感器误差模型,以此来体现传感器位置偏移变化。以传感器位置偏差最小化为目标,设定偏移自校准目标函数,并运用结合自适应调整思想的改进型遗传算法进行寻优求解,获取最优自校准参数取值。实验结果表明:以嵌入式角位移传感器为例,运用该方法完成自校准处理后,传感器的测量误差峰值保持在6″以下,有效解决了力-热耦合作用引起的传感器精度损失问题。

应用遗传算法估计非稳态地震数据的混合相位子波及Q值

地震高分辨率处理或反演的目的是获得精确的反射系数或弹性参数模型。然而地层滤波效应模糊了地震记录中的地层反射信息,因此有必要消除这种滤波效应。现有的大部分提高分辨率方法并不能完全摒弃关于地震子波和Q模型的一些假设。为了获得更为切合实际的地震子波,同时自适应获取Q模型,文中将地震子波相位估计与Q模型估计相结合,提出了基于遗传算法的非稳态地震数据混合相位子波及Q值估计方法。首先通过井旁道记录拟合得到初始地震子波的振幅信息,然后依据子波Z变换的根关于单位圆移动与否构建用于遗传算法的编码链条。另一方面,十进制Q模型对应的二进制表示形式同样能够利用编码链条表征,因此利用全局优化算法能够同时估计地震混合相位子波以及Q模型。结合根变换和遗传算法不断改变子波相位的同时自适应生成Q模型,利用子波和Q模型构造的时变子波矩阵与测井反射系数得到合成地震记录,并与井旁道记录进行匹配,最终得到合理的混合相位子波和地层Q模型,进而构造时变子波矩阵进行时变反褶积。通过井旁道记录与测井数据拟合得到的混合相位子波,与实际地震子波相位更为接近,理论数据和实际数据处理结果证实了该方法的有效性。

基于遗传算法的身管-弹丸接触碰撞网络模型优化研究

火炮作为一种复杂多体系统,是陆军核心火力支援装备.弹炮间隙引起的身管-弹丸接触碰撞现象,直接影响火炮系统射击精度.针对身管-弹丸复杂表面接触碰撞问题,传统的知识驱动建模策略难以较好地兼顾建模精度与预测效率.文章结合有限元数值模拟与人工神经网络方法,建立身管-弹丸接触碰撞神经网络模型,并开展模型综合性能评估:(1)建立身管内膛与弹丸前定心部接触碰撞有限元弹塑性动力学模型,分析不同初始碰撞速度下各物理量变化规律,构建网络模型训练所需多工况样本集;(2)引入多样性评价指标,为全面综合的接触碰撞模型性能评估奠定基础;(3)考虑神经网络超参数设置对所建模型预测精度及稳定性的重要影响,采用遗传算法开展合理超参数设置研究,重点关注遗传算法相关参数设置对所建模型预测性能的影响.仿真结果表明:随着超参数优化方案的改进,所建身管-弹丸复杂表面接触碰撞神经网络模型的预测精度和稳定性显著提升,进一步验证了研究策略的有效性.

三相电能表计量误差自动检定方法设计

为了提升三相电能表计量误差检定方法的有效性、避免冗余数据给检定过程带来的干扰,提出基于聚类优化的三相电能表计量误差自动检定方法。利用模糊C-均值(FCM)聚类算法提取三相电能表检定数据的核心特征,并构建检定数据核心特征数据集。利用核函数划分原始的特征空间,以映射到更高维的希尔博特空间。建立支持向量机(SVM)模型,并将核心特征数据集输入该模型,以较少数据实现对三相电能表计量误差的自动检定,从而提高检定的精准性。试验结果表明:该方法的检定时间较少,均在2.5 s以下;三相电能表计量误差检出率均达到90%以上,能够有效提升检定效率。该方法在计量误差检定中具有重要作用。

A Hybrid Parallel Multi-Objective Genetic Algorithm for 0/1 Knapsack Problem

In this paper a hybrid parallel multi-objective genetic algorithm is proposed for solving 0/1 knapsack problem. Multi-objective problems with non-convex and discrete Pareto front can take enormous computation time to converge to the true Pareto front. Hence, the classical multi-objective genetic algorithms (MOGAs) (i.e., non- Parallel MOGAs) may fail to solve such intractable problem in a reasonable amount of time. The proposed hybrid model will combine the best attribute of island and Jakobovic master slave models. We conduct an extensive experimental study in a multi-core system by varying the different size of processors and the result is compared with basic parallel model i.e., master-slave model which is used to parallelize NSGA-II. The experimental results confirm that the hybrid model is showing a clear edge over master-slave model in terms of processing time and approximation to the true Pareto front.

基于变分模态分解的多旋翼无人机航磁数据误差分析及处理

多旋翼无人机航空磁测具有安全性高、成本低、操作方便等许多优点,它被广泛应用于中小型矿产资源调查、工程勘察、非爆炸物探测等领域。无人机航磁测量原始数据包括外界环境干扰、无人机平台干扰和机载电磁设备干扰。干扰在航磁异常图上主要表现为沿着测线方向的条带状异常,它们影响航磁补偿和地质异常体信息检测的准确性.

基于MLR-GA-WNN公共建筑能耗预测研究

为解决现有公共建筑能耗预测中因数据量少、样本维度高导致的精度低、误差大问题,提出一种基于多元线性回归(Multiple linear regression, MLR)与遗传算法(Genetic algorithm, GA)优化小波神经网络(Wavelet neural network, WNN)的建筑能耗预测模型。利用Pearson相关系数分析方法与多元线性回归对历史数据进行预处理,选取相关性强的因素用于GA-WNN模型的训练与测试,构成MLR-GA-WNN建筑能耗预测模型,精度达到了96.4%。仿真结果表明,文中提出的方法不但预测精度优于WNN、GA-WNN、GA-BP与GA-SVM模型,而且仿真运行时长、误差也均小于上述四种模型,验证了提出模型对于公共建筑能耗预测的可行性。

提高BP网络训练速度的研究

由于误差函数的高维复杂性 ,BP网络在目前的应用中存在训练速度慢甚至导致网络系统瘫痪的问题 ,针对训练中的归一化问题、隐层节点数的选取、样本数目的增减法、整体学习率的确定及训练算法进行了研究 .结果表明 :训练样本数据不必一定归一化到 [0 ,1],可以通过简单的线性变换将数据转化到某个区间 ,使数据分布合理 ,以满足训练需要 ;根据经验公式 ,确定隐层节点数的初值 ,选取规模略大一点的网络开始训练 ;网络应对学习过的样本加强记忆 ,更应注意剔除错误样本 ;引入黄金分割法的思想来调整学习率的步长 ,效果理想 ;采用单参数动态搜索算法作为学习算法 ,能尽快达到训练要求的精度 .

HGT准双曲面齿轮承载传动误差的优化设计

承载传递误差曲线的波动程度可反映出齿轮副的动态性能,波动幅值越大,噪音越大;波动幅值越小,噪音越小,传动越平稳。首先以局部综合法(Local Synthesis)为基础,并依据格里森准双曲面齿轮的加工原理,对HGT准双曲面齿轮进行了加工参数设计。在此基础上以传动比函数的一阶导数m'_21和接触迹线与根锥的夹角η_2为优化变量,以承载传动误差幅值最小为目标函数,通过遗传算法对加工参数进行优化设计,以提高齿轮副的动态特性。研究发现:①当大轮加载扭矩分别为800N·m和1500N·m时,优化后承载传动误差幅值分别降低了37.92%和16.57%;②为了保持齿轮副较好的振动特性,应使其尽量在局部最小幅值对应的载荷附近工作,且随着︱m'_21︱的增大,局部最小幅值向大载荷方向移动,说明要使齿轮副具有较小的承载传动误差幅值需要较大的载荷。

基于上下文重构的短文本情感极性判别研究

文本对象所固有的多义性,面对短文本特征稀疏和上下文缺失的情况,现有处理方法无法明辨语义,形成了底层特征和高层表达之间巨大的语义鸿沟.本文尝试借由时间、空间、联系等要素挖掘文本间隐含的关联关系,重构文本上下文范畴,提升情感极性分类性能.具体做法对应一个两阶段处理过程:1)基于短文本的内在联系将其初步重组成上下文(领域);2)将待处理短文本归入适合的上下文(领域)进行深入处理.首先给出了基于NaiveBayes分类器的短文本情感极性分类基本框架,揭示出上下文(领域)范畴差异对分类性能的影响.接下来讨论了基于领域归属划分的文本情感极性分类增强方法,并将领域的概念扩展为上下文关系,提出了基于特殊上下文关系的文本情感极性判别方法.同时为了解决由于信息缺失所造成的上下文重组困难,给出基于遗传算法的任意上下文重组方案.理论分析表明,满足限制条件的前提下,基于上下文重构的情感极性判别方法能够同时降低抽样误差(Sample error)和近似误差(Approximation error).真实数据集上的实验结果也验证了理论分析的结论.

利用遗传算法实现最优化测井解释

遗传算法是具有全局寻优特点的一种新型最优化方法。文章将遗传算法用于测井解释中，研究多参数、非线性最优化测井数据处理问题。简要地介绍了遗传算法的基本原理和运算规则，具体地描述了实现最优化测井解释的步骤和程序流程。利用正演模型合成的测井数据进行了模拟计算，并且给出了油田现场应用实例。结果表明，遗传算法在最优化测井解释中应用效果很好。

基于归一化实数编码遗传算法的圆锥度误差计算

提出了归一化实数值编码的遗传算法 ,建立了圆锥度误差的数学模型 ,并运用归一化实数值编码的遗传算法进行求解。仿真实验证明 ,其计算精确度非常高 ,可以达到任意给定的精度 。

周期域分析中非同步取样数据的同步化

针对周期信号分析中的频谱泄漏问题 ,本文就目前国际上的研究状况和趋势进行了简单地介绍 ,提出了重新定位取样序列的同步化方法 ,推导出了同步化取样序列坐标的定位公式 .比较详细地讨论了线性、二阶和四阶同步化算法 ,并对它们的理论截断误差进行了分析 .通过对不同谐波形式的仿真信号的同步化运算和误差分析 ,获得了线性同步化算法的理论和实际误差特性 ,以及二阶抛物同步化算法和四阶前插同步化算法的实际误差特性 .误差分析的结果表明 ,这种非同步取样数据的同步化算法 ,具有良好的同步效果 ,不仅可应用于稳态周期信号 ,也适用于周期性非稳态过程信号的测量和分析 .

基于数据挖掘算法的汉语合成韵律参数预测方法

韵律模块是语音合成系统中的重要组成部分,韵律特征参数的描述正确与否直接影响合成系统的输出,针对目前语音合成系统中缺乏对前后音节的韵律参数之间关系的有效描述,提出一种新的韵律参数预测方法——数据挖掘技术来发现音节韵律参数之间的相互关系,通过其中的关联规则模型对这些关系进行描述,并基于关联发现算法获得汉语韵律参数中基频参数和时长参数的变化规则,研究表明这些规则可以较好地为多样本拼接合成系统的选音提供帮助和指导。

基于测速定轨体制的布站几何优化设计

测速定轨体制下弹道参数估计的精度与布站几何的关系不同于传统的测距测速体制。从定轨的原理出发,分析测速体制下布站几何对弹道参数估计精度的影响,并采用遗传算法,在一定空域范围内无约束搜索和给定备选站址中的搜索两种应用背景下,进行布站几何的优化。在遗传算法的设计中,还考虑了不同适应度函数的选取及算法的稳定性等问题。仿真实验表明本文的方法优化效果显著。

基于数据场聚类的模糊神经网络在发酵过程中的应用

针对传统模糊神经网络方法中模糊规则难以提取、网络结构优化时间过长以及易于早熟的问题,提出了一种基于数据场聚类的免疫模糊神经网络方法。该方法将物理学中场的理念引入到抽象的数域空间,通过模拟对象在虚拟数据场中的相互作用实现数据对象的自组织聚类,提取模糊规则建立初始模糊神经网络模型,并运用免疫遗传算法优化构成隶属函数的网络结构。以实验室赖氨酸发酵过程关键生物量参数软测量为例,进行了仿真验证。结果表明,与常规方法相比,该方法具有较好的建模精度和实用性。

优进遗传算法及其在化工数据处理中的应用

针对常规遗传算法容易早熟、局部寻优能力差的弱点,提出一种优进遗传算法.该算法以一定的概率引入确定性操作,并采用空间重组的方式改进子代分布,以提高全局寻优的性能.采用的相关技术包括增加单纯形寻优算子、运用改进的交叉算子、自适应地调整交叉率和变异率等.该算法已成功应用于SO2催化氧化反应动力学模型的非线性参数估计.这种优进遗传算法不依赖于问题的具体领域,可应用于各种数据处理和优化领域.

ADS与多雷达数据融合中的系统误差配准法

对空中交通管制中自动相关监视 (ADS)与现有多雷达监视系统进行数据融合的模型进行了分析 ,在现有多雷达数据处理 (MRDP)系统误差配准方法的基础上设计了一种利用最小平方估计 (LSE)准则实现的ADS与雷达的系统误差配准算法 ,给出了其最优解 .利用我国西部航路模拟航路点数据进行了系统仿真 ,仿真结果的分析表明 ,通过该方法的配准 ,ADS和雷达数据融合中的系统误差得到了有效的消除 。

具有提前/拖期惩罚的热轧钢管批调度问题研究

建立了具有提前/拖期惩罚的热轧钢管批调度问题的混合整数非线性规划模型,提出并证明了给定合同排序下的最优组批方式,从而将原问题转化为易求解的合同排序问题.同时,建立了转化问题的数学模型并设计了遗传算法.仿真实验验证了模型和算法的有效性.