基于Grid-Search_PSO优化SVM回归预测矿井涌水量

为了解决矿井涌水量预测难题,在Grid-Search_PSO优化SVM参数的基础上,采用SVM非线性回归预测法,对大海则煤矿1999~2008年7月份的矿井涌水量进行了预测。分析对比SVM回归预测法和ARIMA时间序列预测法预测结果的数据误差,发现SVM回归法预测值与实测值之间的偏差比ARIMA时间序列法要小很多。可见在影响矿井涌水量各种因素值具备的情况下,SVM非线性回归预测所建立的模型能够更准确地预测矿井的涌水量,在矿井安全生产中具有很大的应用价值。

Grid-Search和PSO优化的SVM在Shibor回归预测中的应用研究

作为一种动态和非稳定时间序列,Shibor发展变化是随机波动的,难以准确预测Shibor的波动性.支持向量机(SVM)在回归预测非线性时间序列方面有很好地预测效果,SVM的预测精度和泛化能力的核心是参数的优化选择,分别用网格搜索法(Grid-Search)和粒子群(PSO)算法来优化SVM的参数c和g.从而将参数优化后的SVM非线性回归预测法与基于传统ARIMA时间序列预测结果进行对比分析.实验表明,优化后的SVM回归预测方法比ARIMA时间序列方法更精确,在实际中具有很大的应用价值.

浅析震源位置准确度及其影响因素

地震定位是地震学研究的基础,然而地震定位和地震学研究之间存在“供给”矛盾.不同研究对地震位置准确度级别的要求不尽相同,震源机制和壳幔结构研究要求震源位置的准确度为千米级别,工业生产活动和诱发地震研究要求震源位置的准确度为百米级别.然而,地震监测台网给出的地震位置准确度仅为数千米.诸多地震定位方法从不同方面对地震定位过程进行优化和改进,但它们的侧重点不尽相同.总体而言,已有的定位方法对地震位置的准确度关注程度尚显不足.在大量的地震定位实践中,前人获得了用于优化地震位置准确度的若干经验法则,这些经验法则不但存在地区差异,而且还有一定的适用条件,经验法则仍需要被进一步地优化和修正.本文简要分析地震定位准确度的多方面影响因素,有针对性地开展研究,在地震定位算法和控制观测数据质量方面获得一定的研究进展;在地震定位耦合关系方面补充了定位速度模型、发震位置和发震时刻三者之间的制约关系;在地震定位流程方面提出了使用逐步消元定位的建议.

基于机器学习算法的糖尿病预测

糖尿病是一种无法根治的慢性疾病,早发现、早干预、早治疗能够延缓病情进展,提高患者的治疗效率。构建基于决策树、逻辑回归、XGBoost等六种机器学习分类算法的预测模型,实现糖尿病风险预测。该模型以皮马印第安人糖尿病数据集为研究对象,通过数据预处理、数据特征分析构建有效数据集,采用网格搜索方法进行交叉验证寻找算法的最佳参数组合,构建超参数及基于超参数的分类模型,并对模型的预测性能进行评价。实验结果表明,该模型拥有良好的糖尿病风险预测性能。

基于自动终止准则改进的kd-tree粒子近邻搜索研究

对于大规模运动模拟问题而言,近邻点的搜索效率将对整体的运算效率产生显著影响。本文基于关联性分析建立kd-tree的最大深度dmax与粒子总数N的自适应关系式,提出了kd-tree自动终止准则,即ATC-kd-tree,同时还考虑了叶子节点大小阈值n_(0)对近邻搜索效率的影响。试验表明,ATC-kd-tree具有更高的近邻搜索效率,相较于不使用自动终止准则的kd-tree搜索效率最高提升46%,且适用性更强,可求解不同N值的近邻搜索问题,解决了粒子总数N发生改变时需要再次率定最大深度dmax的问题。同时,本文还提出了网格搜索法组合坐标下降法的两步参数优化算法GSCD法。通过2维阿米巴虫形状的参数优化试验发现,GSCD法可更为快速地率定ATC-kd-tree的可变参数,其优化效率比网格搜索法最高提升了205%,相较于改进网格搜索法最高提升了90%。研究结果表明,ATC-kd-tree和GSCD法不仅提高了近邻搜索的效率,也为复杂运动中近邻粒子搜索问题提供了一种更为高效的解决方案,能够显著降低计算资源的消耗,进一步提升模拟的精度和效率。

基于多源数据的特长隧道驾驶疲劳模型

为研究驾驶人在特长隧道内驾驶疲劳演变过程及其影响因素,基于实车试验采集的多源数据,对特长隧道内驾驶疲劳分类判别以及驾驶疲劳影响因素关系模型展开了研究。通过差异显著性分析和相关性分析筛选出闭眼百分率P80、瞳孔直径变异系数和加速度作为疲劳敏感性指标,并分析了各指标随行驶时间累积的变化规律。为构建驾驶疲劳分类判别模型,基于卡罗林斯卡嗜睡量表(Karolinska sleeping scale,KSS)主观疲劳检测结果,将疲劳程度划分清醒状态、半疲劳状态和疲劳状态,采用构造多类分类器的方法将不同疲劳状态样本进行组合分类,利用网格搜索法进行分类模型的参数寻优,并将筛选出的疲劳敏感性指标作为分类模型的输入变量,建立了基于网格搜索法的多分类支持向量机疲劳状态判别模型(GS-M-SVMs模型)。然后根据疲劳状态分类判别模型,利用有序多分类Logistic模型建立了特长隧道疲劳程度与影响因素的关系模型,对特长隧道内驾驶疲劳影响因素进行了探究。研究结果表明:疲劳敏感性指标变化规律可有效表征特长隧道内驾驶疲劳演变过程,而GS-M-SVMs模型分类检测准确率达到90.75%,对疲劳程度的分类识别效果较好,并且累积行驶时间和隧道长度显著影响驾驶人的疲劳程度,其模型回归系数分别为2.634和0.395,表明累积行驶时间是驾驶人在特长隧道路段中疲劳程度加重的最主要因素,隧道照度和隧道线形等因素并无显著影响。

基于GS-SVR的架空输电线路工程投资估算预测研究

传统的投资估算编制模式存在过度依赖定额的现象,随着大量工程造价数据的积累,利用其实现投资估算,以弥补传统定额计价模式的不足,能够对建设项目工程造价起到总体控制作用。文章以架空输电线路工程为例,基于支持向量回归机(Support Vector Regression,SVR)研究架空输电线路工程投资估算问题。结果表明:通过选取影响架空输电线路工程投资估算的主要指标,构建基于SVR的架空输电线路工程投资估算模型,并利用改进的网格搜索法(Grid Search,GS)优化模型参数,得到基于GS-SVR的投资估算预测模型;与传统的线性回归和SVR模型相比,GS-SVR模型表现出更为良好的性能。

基于聚类和GBDT的镀锌钢卷力学性能预测

热镀锌钢卷力学性能影响因素之间关系复杂,限制了模型精度的提升。采用k-means算法利用化学成分属性对镀锌钢卷数据集进行聚类,将数据聚成三种模式簇实现样本的优选。利用梯度提升树算法,开展各模式数据集与不划分模式的全数据集下的力学性能建模研究,最后结合网格搜索与交叉验证方法进行模型参数优化。研究结果表明,分模式下模型MAE误差相比于全数据集建模平均减小0.85 MPa。参数优化后,各模式下MAE误差平均减少5.19 MPa,RMSE误差平均减少3.63 MPa,提高了预测模型精度。

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。

基于网格搜索优化支持向量机多分类参数识别不同工艺酱酒的应用研究

为提升支持向量机(SVM)在不同工艺酱酒分类预测中的准确度,该实验利用网格搜索优化支持向量机参数,建立最优参数的支持向量机分类预测模型。通过对不同工艺酱香型白酒客观结构特征定量分析,将提取的特征信息数据经过预处理(异常值处理、归一化操作等)后存储为样本数据集。其中样本数据分为训练样本与测试样本,通过训练样本对最优参数的SVM白酒品牌分类预测模型进行训练,测试样本对模型进行预测分类。经过试验验证,该模型的不同工艺分类识别率达到94.44%,较传统的SVM等分类算法能够快速、有效地对不同工艺的酱酒进行分类识别,显著改善分类的精度,改进后的方法实现过程也比较简单。

基于网格搜索和投票分类模型的喷油器故障诊断研究

为了提高高压共轨试验台对喷油器检修效率,提出一种基于网格搜索和投票分类模型的喷油器故障自动诊断方法。由于压电喷油器故障数据采集困难,使用AMESim软件模拟不同轨压和脉宽状态下压电喷油器可能出现的多种故障情况。随后,将采集到的1 760组数据使用由随机森林、支持向量机和GBM组成的投票分类模型进行训练,并使用网格搜索法优化各分类器的超参数。实验结果表明:该模型对压电喷油器的5种故障状态及正常状态诊断时的准确率、精确率、召回率和F1-score分别为98.86%、99.13%、98.56%、98.83%,表现出较高的准确性和稳定性。该方法能够快速高效地对喷油器故障情况进行定位。

基于卷积神经网络模块化搜索的高效电子鼻多气体分类算法

该文设计了一种基于格拉姆角和场的传感器信号转图方法,并提出了一种基于AlexNet的卷积神经网络模块化结构搜索方法(block-GS)。实验结果表明,block-GS方法能够搜索到性能优秀的网络结构,在两个气体数据集上的分类准确率分别达到92.11%和93.33%,比普通网格搜索提高了近5%。此方法有望成为电子鼻模式识别算法设计的有效解决途径之一。

基于SVMD-Informer-XGBoost的风电功率区间预测

为了提高风电功率区间预测的精度,文章提出逐次变分模态分解(SVMD)、Informer和XGBoost算法模型的结合,实现风电功率区间预测。首先,SVMD算法自适应地分解出风电功率数据的各模态分量(IMF)和残差分量。其次,通过网格搜索算法(CV)对Informer和XGBoost模型算法进行优化,并通过网格搜索算法确定Informer-XGBoost输出预测值的最优权重,构建基于SVMD-Informer-XGBoost的预测模型。最后,通过分位数回归法(Quantile regression)输出预测值和真实值的误差,得到风电功率的区间预测。实验结果表明,所提出的方法相较于传统单一模型,在区间预测的准确度和稳定性上有了显著提升。在95%置信度水平下,区间预测指标区间覆盖率(PICP)和区间平均宽度(PINAW)分别可达94.96%和0.0362。

自适应权重优化的树突状细胞算法

树突状细胞算法是人工免疫系统中先天免疫层的经典算法,该算法通过融合危险和安全信号发现异常。但树突状细胞算法在信号权重的取值上常需要根据数据特征手动设置,削弱了算法的自适应性。针对这一问题,引入了网格搜索法,在给定的权重范围内根据识别效果自动调整权重取值,得到适应不同类型和规模数据集的信号权重组合。在多个公开数据集上的实验结果表明自适应权重优化的树突状细胞算法能根据数据集特征自适应训练得到较合理的权重矩阵,减少了人工经验对算法准确率的影响,改进后的算法识别准确率、真阳性率等均高于原树突状细胞算法,并优于同类算法。

基于改进人工鱼群算法的蠕虫机器人路径规划

针对人工鱼群算法在机器人路径规划中存在路径长、精度不高、易陷入局部最优等问题,提出了一种改进的人工鱼群算法,旨在提高算法效率及精度。首先,在算法觅食行为中加入寻优循环,减少算法在路径规划中选取位置点的随机性,使机器人能够更快地走向目标点;其次,融合禁忌搜索算法,通过引入禁忌表来记录算法陷入局部最优的路径,使算法在选取新位置点时能够避开局部最优区域,避免算法在局部过度循环,同时对规划出的路径进行优化处理,删去重复栅格点之间的路径,保证路径中没有重复的栅格点;最后,将改进后的人工鱼群算法应用在一种新型的三维栅格地图中。实验结果表明:相较于其他对比算法,在地图1、2、3中改进人工鱼群算法所取得的平均路径长度分别减少了10%、15%、30%,在复杂地图中路径规划的成功率提高了75%。

基于SVM-LSTM-ATTE组合模型的高校录取分数线预测

高校录取分数线预测受到许多动态因素影响,传统的SVM算法在预测高校录取分数线方面存在难以衡量输入特征序列对目标特征的影响程度,而注意力机制可以动态分配权重给重要特征,且基于注意力机制的长短期记忆网络(LSTM-ATTE),在高校录取分数线方面有显著成效。综合考虑多种因素,利用SVM可以把高维空间中的非线性问题转化为线性问题,以及LSTM-ATTE能解决时间序列数据长期依赖的问题,提出将SVM模型与LSTM-ATTE方法相结合的组合模型,来构建高校录取分数线预测模型,并通过网格搜索寻找组成LSTM-ATTE最优参数组合。实验证明,本文提出的组合模型在误差范围为3分的情况下,相比于其他模型准确率最高提升了13%。

利用地震震级样本数据验证PCA-GSM-GRNN模型的优越性

针对地震震级与其影响指标之间的非线性问题,提出了基于网格搜索法(GSM)和主成分分析法(PCA)优化广义回归神经网络(GRNN)的地震预测模型。采用PCA对震级影响指标进行维度约简,将降维后的主成分作为模型输入向量,地震震级作为模型输出向量,同时选用GSM寻优GRNN最佳参数,利用学习样本对新模型进行训练,最终构建基于PCA-GSM-GRNN的地震震级预测模型。将PCA-GSM-GRNN模型应用于测试样本,结果显示:PCA-GSM-GRNN模型预测结果准确率相较于GRNN-GSM和GRNN模型分别提高5.03%和5.66%,具有良好的预测效果。

基于垂荡和纵摇运动模型对波浪能最大输出功率的设计

研究波浪能装置最大输出功率的设计,以运动平衡方程和能量输出系统研究为基础理论背景,建立浮子和振子的垂荡、纵摇运动模型和最优阻尼系数模型,确定给定时间下的浮子与振子的垂荡位移及速度和纵摇位移及角速度,并借助模拟退火算法和网格搜索算法分别确定两种情况下给定参数值的最大输出功率及最优阻尼系数.

2021年玛多M_(W)7.4地震超剪切破裂的动力学机制

采用有限元方法模拟2021年青海玛多M_(W)7.4地震断层产生自发破裂的传播过程,以断层的观测滑移量为约束条件,通过网格搜索方法寻找最优模型。结果表明:1)震源东侧的断层弯折结构是产生突然超剪切破裂的关键因素,这一特殊几何结构使破裂在成核后3~4 s内就产生了超剪切破裂,这与传统超剪切破裂需要很长破裂传播距离的现象不一致;2)玛多地震震源东侧断层产生超剪切破裂,而西侧断层破裂表现为亚剪切,这与通过地震学及大地测量学反演震源破裂过程得到的结果一致;3)断层阶区、平直断层等其他断层的几何结构并不能使玛多地震产生突然的超剪切破裂现象。

基于图数据库的中压配电网网格搜索引擎系统

为了缩短中压配电网网格搜索引擎系统平均响应时长,提升系统搜索召回率,设计一种基于图数据库的中压配电网网格搜索引擎系统。通过搜索器和接口设计系统硬件部分;系统软件部分包括中压配电网网格采集模块、图数据库存储模块和电网网格搜索引擎模块,通过中压配电网网格采集模块采集配电网中设备信息,采用广度优先遍历算法,逐个确认各设备的通电状态,利用图数据模型,通过图数据库存储模块对采集到的设备信息进行规范化处理,创建索引模块,利用关系数据库系统建立中介数据电子目录,根据电子数据目录逐个生成集合对象,根据集合对象创建数据文件,利用图文索引功能,通过索引模块对中压配电网的设备信息进行搜索,根据系统硬件和软件两部分设计完成基于图数据库的中压配电网网格搜索引擎系统设计。经实验证明,该系统的平均响应耗时短及用户满意度高,鲁棒性强。