基于PCA-SVR模型中国工业固废产生量预测研究

依据国家统计局及中国统计年鉴数据,选取国内生产总值(GDP)、工业增加值、财政收入、固定资产投资、原煤产量、原油产量、发电量、年末总人口、我国工业企业单位数量等9个指标作为输入指标,构建了PCA-SVR(主成分分析-支持向量回归)中国工业固废产生量预测模型.并与支持向量回归(Support Vector Regression,SVR)、岭回归(Ridge Regression,RDG)、决策树(Decision Tree,DT)、提升树回归(Gradient Boosting Regression,GBR)多种单一模型的预测结果进行比对.实验结果表明,PCA-SVR组合模型的平均绝对百分误差(MAPE)为0.0630,均方根误差(RMSE)为2.6718,其预测误差最小.

基于PCA-SVR模型的大坝裂缝早期预报研究

支持向量机拟合模型(SVR)可用于大坝裂缝预报,但自变量间的多重相关性和输入变量的高维数对支持向量机拟合模型的精度影响较大。基于大坝裂缝开合度理论,利用主成份分析法(PCA)提取原样本信息缩减后的主成分作为SVR模型的输入量,构建了大坝裂缝开合度的早期预报PCA-SVR模型。将该模型应用于某大坝监控资料的分析中,与传统回归模型相比,PCA-SVR模型具有更高的计算精度和运算效率,并可提前预报裂缝开合度信息,能在实际工程中广泛应用。

基于PCA-SVR算法和共聚焦拉曼光谱的牡丹籽油掺伪定量分析研究

牡丹籽油掺伪现象严重,需要加强监管和打击力度,如何鉴别牡丹籽油的真伪成为了一个亟待解决的问题。该研究旨在探究基于PCA-SVR算法和共聚焦拉曼光谱的牡丹籽油掺伪定量分析方法。首先,采集牡丹籽油样品,并进行共聚焦拉曼光谱分析以确定其化学成分和结构,分别测试不同掺伪浓度的牡丹籽油的混合油。然后,利用拉曼光谱数据建立PCA-SVR定量分析模型,以区分牡丹籽油和其他植物油的掺伪情况。最后,通过实验验证该方法的准确性和可行性,结果表明该方法可以有效地鉴别牡丹籽油和其他植物油的掺伪情况,模型测试集量化效果的决定系数R2优于0.98,均方根误差RMSE小于0.04。该方案检测牡丹籽油掺伪浓度的理论极限为0.01152,即对于预测混合油品中牡丹籽油所含体积比大于0.01152的样品是可信的。基于PCA-SVR算法和共聚焦拉曼光谱相结合的检测方案具有较高的准确性和可靠性,该研究对于提高牡丹籽油的质量控制和保障消费者的健康具有重要意义。

基于PCA-SVR模型的油气管道剩余强度预测

针对单一缺陷油气管道的剩余强度预测问题,深入分析影响管道剩余强度的相关因素,对主成分分析(PCA)、支持向量回归法(SVR)及PCA+SVR 的基本原理和组合过程进行总结,利用从文献中获取的单一缺陷管道相关数据,使用PCA 对影响因素进行降维处理,最后使用SVR 模型进行剩余强度预测,并将预测结果与其他常见模型和计算方法进行对比,以此验证该模型的可行性。研究结果表明:在所有影响因素中,管道钢级对油气管道剩余强度的影响最大;PCA+SVR 预测模型的预测平均误差为1.91%,均方根误差为0.34,证明此方法具有较高的准确率,但所有预测结果均小于实际剩余强度,证明该方法的保守性相对较强,会导致管道工作效率下降。

基于主成分分析的果蝇算法优化支持向量机回归的红枣产量预测

随着大数据技术和人工智能的快速发展,针对当前红枣产量预测模型精度低、模型优化时间过长等问题,以山西省1993—2020年的红枣产量及17个维度的因素作为基础数据,提出一种基于主成分分析的果蝇算法优化支持向量机回归(principal component analysis-fruit fly optimization algorithm-support vector regression,PCA-FOA-SVR)的红枣产量预测模型。首先利用主成分分析(principal component analysis,PCA)对数据进行降维处理,以5维的指标作为输入变量,产量作为输出变量;其次以支持向量机回归(support vector regression,SVR)为基础模型,利用果蝇优化算法(fruit fly optimization algorithm,FOA)对SVR参数惩罚因子c和核函数参数g进行寻优,构建PCA-FOA-SVR模型。对试验结果进行验证。发现PCA-FOA-SVR的均方根误差(root mean square error,RMSE)、平均绝对误差(mean absolute error,MAE)、决定系数R 2分别为3.11、3.01、0.96,SVR的各指标分别为5.33、4.07、0.9,分别提高了41.7%、26%、6.7%,最后通过GM(1,1)对各维度的数据进行预测,利用PCA-FOA-SVR模型对未来10年山西省红枣产量进行预测,结果显示在2025年红枣产量会达到一个峰值,对后续相关研究提供了一定的科学依据。

基于机器学习模型的二手车估价问题研究

二手车价格不但受到汽车本身配置影响,还与汽车损耗、新车价格等信息有着密切的联系,因此往往难以对二手车价格进行准确估计。本文根据拉依达准则去除异常数据,利用线性插值法填补缺失值,运用XGBoost算法筛选出11个影响二手车交易价格的重要因素。在11个重要因素的基础上,运用主成分分析进行降维处理,得到四个主成分。再运用BPNN、PCA-BPNN、SVR、PCA-SVR、RF、PCA-RF六种模型对二手车交易价格进行预测。添加降维处理的模型预测效果明显优于未降维处理的模型,并且PCA-RF模型的预测效果最佳,其5%误差准确率高达29.20%。

基于预防性维修的农机备件需求预测问题研究

随着农业机械的快速发展,对备件需求量进行预测是保证农业机械及时维修的关键。根据农机备件的特点,本文提出应用PCA-SVR方法进行农机备件需求预测。首先,分析影响备件需求的因素,建立影响农机备件需求量的指标体系;其次,构建PCA-SVR预测模型;最后,针对某品牌农机备件开展实证研究,将影响农机备件需求量的9个因素通过PCA降维成4个主成分,随后应用SVR方法进行预测,研究结果表明,该方法的预测值与实际情况相比误差较小,本文提出的PCA-SVR方法在MAE、RMSE和MAPE值分别是950.86、1424.78和15.88,分别比线性回归模型以及随机森林模型的MAE、RMSE和MAPE值小607.45、1830.83,451.1、1753.88以及6.1、1.46,说明其具有优越性。

基于PCA-LSSVR算法的WLAN室内定位方法

针对WLAN室内定位系统中存在的接收信号强度指示(RSSI)时变特性降低定位精度的问题,提出一种基于主成分分析(PCA)和最小二乘支持向量回归机(LS-SVR)的PCA-LSSVR定位算法。该算法首先利用PCA对采集的各接入点(AP)的原始RSSI信号进行数据降维和去相关处理,提取主要的定位特征数据;然后利用LS-SVR构建指纹点的定位特征数据与其位置的非线性关系,并利用此关系对测试点的位置进行回归预测。实验结果表明,该算法的定位精度优于几种传统的定位算法,是一种性能良好的WLAN室内定位算法。

基于主成分分析与支持向量机回归的气液两相流容积含气率的测量

利用图像处理的方法提取气液两相流动图像的灰度纹理特征值的方法,引入主成分分析法(PCA)来对提取的多维灰度纹理特征向量降维。分别结合单变量的非线性拟合与多变量的支持向量机回归对两相流容积含气率进行了求取。对大量测量样本进行统计分析后,分别求出了测量值第一主成分求取容积含气率的经验公式和测量值第一、二和三主成分求取容积含气率的经验公式,同测试样本的真实容积含气率值进行比较,结果表明:流型图像灰度纹理特征与容积含气率之间有着很好的对应关系,应用测量值第一主成分求取的经验公式适用于低含气率的计算,而应用前三个主成分求取的回归经验公式更加适合高含气率的计算,为容积含气率的计算提出了一个新的思路。

中高分辨率遥感影像融合研究

以浙江省衢州市的一个区域作为研究区,在阐述遥感图像融合原理的基础上,以QuickBird、SPOT5和Landsat ETM+全色与多光谱遥感图像为数据源,应用Brovey变换、SVR变换、PCA变换、Pansharp变换和Gram-schmidt变换等融合方法,对上述3类遥感图像进行了融合试验和分析,并从光谱信息和空间信息两个方面对融合效果进行计算分析,来比较这几种融合算法用于QuickBird、SPOT5、ETM+遥感图像融合的效果。研究结果表明,在QuickBird影像融合时Gram-schmidt变换法的效果最好。Pansharp变换法在SPOT5影像融合时综合效果优于其它方法。ETM+影像融合时,Gram-schmidt变换的光谱退化最小;在空间信息增强方面:Brovey变换在波段2、3融合时效果最好,在波段1、5、7上,SVR变换法优于其它变换法,而波段4融合时则是Pansharp变换最佳。

基于PCA-GA-LSSVR的工作面涌水量预测

联合采用主成分分析法、遗传算法、最小二乘支持向量回归算法对工作面涌水量进行定量预测,建立基于主成分分析-遗传-最小二乘支持向量回归(PCA-GA-LSSVR)模型进行工作面涌水量预测,避免了变量间相互干扰,简化变量个数,提高了计算速度和精度。

基于Gabor小波与LBP直方图序列的人脸年龄估计

提出了一种基于Gabor小波和局域二值模式(Local binary pattern,LBP)直方图序列的人脸年龄估计方法。首先对人脸图像提取多方向与多尺度的Gabor幅值域图谱(Gabor magnitude maps,GMMs);然后采用基于局部特征的LBP算子对GMMs编码,并对之分块,由各子块的直方图序列来描述人脸;为进一步降低人脸特征维数,再对人脸直方图序列特征应用主成分分析(PCA);最后使用支持向量机回归(SVR)的LOPO策略对人脸年龄库进行训练和测试。实验结果表明,该方法可以较为快速有效地对人脸图像进行年龄估计。

基于降维处理的图像超分辨率恢复方法研究

研究了利用单幅低分辨率图像重构高分辨率图像的问题.针对以往基于样本库进行图像重构算法效率较低的缺陷,提出了一种利用支持向量机回归和PCA进行特征压缩的图像重构算法.实验结果显示本文方法较插值算法有更优的恢复结果,并能同时保证较好的实时处理特性,能很好的逼近原始的真实图像.

基于PNN/PCA/SS-SVR的光伏发电功率短期预测方法

光伏发电功率预测对太阳能开发利用、电网稳定安全运行具有重要意义。提出一种融合了概率神经网络(PNN)、主成分分析法(PCA)、分散搜索(SS)和支持向量机回归(SVR)的光伏输出功率预测模型。首先结合天气信息通过PNN将天气划分为晴、多云、阴、雨4种类型,然后在每种天气类型下,利用PCA对影响光伏出力的多个气象因素,如太阳辐射强度、温度和相对湿度等进行降维、转换成少数几个主成分作为输入向量,最后建立SS算法优化SVR的光伏发电功率短期预测模型。结果表明,该模型实现了对不同天气类型下的光伏出力较为精准的预测,具有一定的可行性及指导意义。

湖泊表面水温预测与可视化方法研究

湖泊表面水温是水生态环境的重要因子,直接影响流域生态系统及生物多样性。准确获取湖泊表面水温、预测表面水温时空变化过程是控制和改善流域水生态环境的基础,同时也是预防和治理蓝藻水华爆发的关键。为此,以滇池为研究区,以2005~2016年10个水质监测站点的54个水质数据(水温、叶绿素a、pH、高锰酸盐指数、溶解氧等)为基础数据集,将支持向量回归(SVR)、主成分分析法(PCA)及反向传播人工神经网络(BPANN)3种算法相结合,组成混合预测模型,并将克里金插值法与地理信息系统相结合,实现滇池水温12年来历史变化过程的情景再现及未来5年变化趋势的情景模拟。研究结果表明,模型的平均相对误差为0.5%,均方根误差为1.452 3,R^2=0.904 9,具有误差低、泛化高的综合预测性能;空间可视化分析结果表明,2005~2020年水温高于20℃的区域呈现北向南扩散趋势,蓝藻水华爆发可能性由局部性变为全面性,这与昆明市快速城镇化发展及全球气候变暖密切相关。

基于SVR和PCA的超分辨率图像恢复算法应用研究

利用单幅低分辨率图像重构超分辨率图像的算法中,通常基于样本库进行图像重构,而这类算法效率较低。提出了一种利用SVR和PCA进行特征压缩的图像重构算法,其基本思路是将训练图像分解成若干个基本小块作为样本库;然后利用PCA对低分辨率图像基本小块进行降维处理,并将得到的主成分系数作为特征加以训练,在识别和重构过程中,将待恢复图像进行回归分析,找到相应的超分辨率图像块,然后进行重构。实验结果表明,本文方法较其他算法有更优的恢复结果,并能同时保证较好的实时处理特性,很好地逼近了原始的真实图像。

基于遗传算法优化SVM的刀具VB值预测的研究

针对刀具磨损量的预测问题,建立了基于支持向量机回归理论的刀具VB值的在线预测模型。对声发射信号和电流信号分别进行EEMD分解和小波包分解得到的能量值,把它与主轴转速、进给量和背吃刀量一起组成初始特征向量。通过主成分分析进行数据处理,把得到主元作为遗传算法优化的支持向量回归机的输入向量。结果表明,该模型精度高,运行速度快。

基于支持向量回归的唇动参数预测

支持向量机学习方法以结构风险最小化原则取代传统机器学习方法中的经验风险最小化原则,在有限样本的机器学习中显示出优异的性能.将这一新的统计学习方法应用到多媒体交互作用的研究中,用支持向量回归的方法由语音预测唇动参数.通过对语音的线性预测系数进行主分量分析,有效地压缩了声学特征参数的维数.结合交叉校验和最速下降优化方法,选择最佳的支持向量回归学习参数.在汉语0～9的任意数字串上对唇高参数的预测实验结果达到了均方误差0.0096,平均幅度误差7.2％及相关系数0.8的效果.这一结果优于一个文中优化过的人工神经网络所达到的性能,说明这一方法很有潜力.

激光诱导击穿光谱定量分析锂矿石中锂元素

锂元素具有优良的物理和化学性能,因而在军事、电池、特种合金、受控热核反应等领域具有重要作用。现有的锂矿石分析主要是基于酸分解的原子吸收光谱、电感耦合等离子体质谱或原子发射光谱等离线方法。激光诱导击穿光谱(LIBS)是一种无需样品制备、适用于低原子序数元素(包括锂)的原子发射光谱方法。采用LIBS技术,实验采集了11种锂矿石成分分析标准物质的等离子体发射光谱,分别在610.35和670.78 nm附近观测到了Li的特征峰,但由于谱线的重叠,无法应用单变量线性回归进行建模。在全谱积分强度标准化基础上,分别使用偏最小二乘回归(PLSR)和基于主成份分析的支持向量回归(PCA+SVR)对锂矿石标准物质中的锂含量进行建模。校准模型的相关参数通过留一组交叉验证均方根误差(RMSECV)来确定。结果表明,相较于PCA+SVR校准模型,PLSR的决定系数(R^(2))更大,校准均方根误差(RMSEC)更小,但预测均方根误差(RMSEP)远大于RMSEC,存在过拟合现象。另一方面,PCA+SVR计算得到的RMSEP和平均相对误差(MRE)相对于PLSR更小,因此认为PCA+SVR模型拥有更好适应度。从而证明,LIBS技术可以实现锂矿石中Li含量的分析,有望应用于位于传送带上锂矿石的原位在线定量分析。

基于改进型主元分析和SVR的煤矿瓦斯涌出量预测

针对传统的主元分析存在的缺点和样本的特征,结合煤层瓦斯涌出影响因素,建立了基于权重的改进型主元分析和支持向量回归机的煤层瓦斯涌出量的预测模型.首先,采用改进型主元分析法对影响瓦斯涌出量的指标分析处理得到主成分即输入变量,然后建立以主要成分为输入变量,以瓦斯涌出量为输出变量的基于支持向量回归机的预测模型.实验表明,该模型能够消除输入变量间相关性,减少输入变量个数,有效解决样本少、模型复杂的问题,并且提高了预测精度.