大型船舶汽包水位SVM预测控制研究

为了提高大型船舶(蒸汽动力)在海战、避碰等特殊情况下的机动灵活性,保证锅炉汽包水位在规定的范围内波动,降低汽包水位暂态超调和稳态误差是十分必要的。在基于支持向量机的模型预测控制(MPC)算法的基础上,结合模型预测控制、串级调节的优点,提出了锅炉汽包水位控制系统的控制策略。内回路采用模型预测控制,快速消除给水流量的扰动;外回路采用基于结构不变性原理的前馈补偿控制,解决蒸汽流量的扰动问题;同时,MPC的强鲁棒性保证了在对象特性变化的情况下系统仍具有良好的调节品质。仿真结果表明该控制策略有效,并具有很强的实用性。

基于SVM预测模型的工程初设阶段概预算研究

为了提高建筑工程初期设计阶段的工程预测可靠性,在国内外学者研究成果的基础上,通过对支持向量机(SVM)的改进从而提出一种最小二乘支持向量机的算法模型(SVM预测模型),进而实现对工程初设阶段造价进行较为详细、全面的预测。并从某房建项目中选取已经完工的15个成品住宅项目为工程依托,将提出的SVM预测模型进行工程应用,结果表明最大误差值小于误差允许值,误差精度满足要求,提出的SVM预测模型可为工程初设阶段概预算提供参考价值。

基于SVM的高架桥梁顶升预测模型

以西安市六村堡高架桥偏移顶升为研究背景,为准确、快速的、安全完成桥梁偏移顶升任务,减少施工过程中存在的破坏影响因素,利用建立支持向量机(SVM)理论对桥梁顶升系统进行关键影响因子分析,进行训练和测试。研究表明,在此次顶升施工中重要影响因素从大到小分别是纠偏施工方式、桥体强度、复位偏差率、桥体偏移度、场地条件、振动幅值、振动时间、振动频率。该预测模型为此次桥梁顶升施工提供了重要参照依据。

基于logistic-svm组合预测模型在公司信用评级中的应用

对公司建立信用评价模型,以便及早发现信用危机信号,不仅有利于公司的经营管理,也有利于投资人的投资决策。采用logistic回归模型和支持向量机相结合的组合评价方法,试图寻找出降低公司信用风险的有效措施。试验结果表明,这两种方法的组合预测模型不仅有较高的预测精度,同时也有较好的稳定性,logistic-svm组合模型优于单一模型。

基于SVM(SVR)算法的数据回归预测

电力负荷(electricload)是用电器所耗的电功率,电力负荷包括各类需要电能驱动的用电器,它们分属于工农业、企业、交通运输、科学研究机构、文化娱乐和人民生活等方面的各种电力用户。为探究温度、湿度和降雨量对于电力负荷的影响,文章取 2012 年某电力系统测得的最高温度(X1)、最低温度(X2)、平均温度(X3)、平均湿度(X4)和降雨量(X5)对电力系统负荷(Y)的影响数据,先对训练数据进行归一化(标准化)处理,再利用归一化后的训练数据训练 SVM 回归预测模型,最后利用该模型对测试数据的电力负荷进行预测,以供参考。

工程先验知识辨识下的滑坡非平稳变形支持向量机预测

针对缺乏非平稳变形(阶段性、反复性及突变性)特征数据导致的滑坡预测与评估不完全符合工程实际的情况,通过分析变形时序的物理意义与类型,在定义了非平稳变形趋势变化外延模式的基础上,提出了综合考虑滑坡当前变形阶段、观测变形数据特征以及待预测时段外界诱发因素的时序外延模式辨识方法,并进一步在工程先验知识指导下建立了支持向量机(SVM)预测模型。通过2个工程实例对方法进行应用验证。结果表明,工程先验知识能够有效补充非平稳变形的观测数据信息,对预测建模具有指导性作用;融入外延模式的SVM模型与一般性SVM的外推预测,其平均相对误差可降低2～3倍,预测的可靠性与准确性得到了显著增强。

地质参数分析与隧道超挖预测优化研究

隧道超挖会增加施工成本,有可能还会引发坍塌、大变形等问题。文章以明山隧道超挖控制工程为例,分析了其超挖特征,并构建了以爆破参数为试验常量、有效地质参数为输入量、实际超挖量为输出量的预测模型。通过采用线性(FDA)、非线性(CG)和智能预测(SVM)方法对隧道超挖进行了预测和判别比较,结果表明:3种预测方法的相关性系数(R2)分别为0.694,0.718和0.947;其中,FDA预测模型相关性系数最小,CG预测模型较FDA预测模型的相关性系数精度有微小提高,SVM预测模型具有最高的相关性系数,预测精度显著提高,且在数据变化突兀点仍能表现出较强的适应性;SVM预测模型可以实现高精度定量的超挖优化预测,而CG预测模型可以提供快速且精度可控的简单预测。

基于SVM的矿井通风系统小样本安全评价

影响矿井通风系统安全的因素众多,并且有限的时空监测数据所能提供的信息是不完整、不精确的,致使指标体系构建的评判矩阵呈现高维、稀疏的特点。针对高维小样本评价的问题,提出基于支持向量机(Support Vector Machine,SVM)的矿井通风系统安全评价模型。该模型采集15组矿井通风系统16项指标的监测数据构建评判矩阵进行训练,并对3组测试样本进行评判,正确识别率达到100%,与实际情况完全吻合。研究表明:支持向量机在矿井通风系统小样本安全评价中具有很高的精确度,可以为安全评价提供一种新的思路。

基于多核平台无关属性的程序并行度分析工具

为了充分利用计算机多核平台的并行能力,研究了针对特定多核平台的程序并行度分析和优化的方法,提出了一个基于平台无关属性提取的并行度分析工具ParaInsight。用此工具可分析程序中不同区域的可并行性,同时能够根据小规模输入集下的信息预测这些属性在大规模输入集下的值。通过使用支持向量机(SVM)构建的预测模型,对大输入集下的程序属性值进行预测。选取多线程程序测试包Parsec中的两个程序进行了实验,实验结果表明,通过核函数选择、训练参数调优以及输入变量筛选等方法,用ParaInsight可以有效地预测绝大多数并行区域及其不同的属性值。

远程协同诊断的现场信息预处理研究

面对远程协同诊断存在的信息传输延迟、网络阻塞等问题,提出了现场诊断信息预处理概念。在其框架介绍基础上,重点研究了现场信息预处理策略控制和深层信息预处理;运用统计分析和SVM回归预测的集成工况预测方法作为预处理策略控制的依据,而基于粗集的时序诊断信息提取方法则是深层信息预处理的核心。最后给出了现场信息预处理在工程装备上的应用示例。

核热源功率测量系统冷端温度控制策略

基于核热源功率测量系统冷端温度控制需要,建立系统动态特性模型.在开环仿真分析的基础上,分别设计了PID(proportion integration differentiation)控制、模糊控制以及支持向量机(SVM)智能预测控制3种控制算法,并完成了其仿真研究,验证了测量系统控温的可行性.结果表明:将SVM优秀的非线性函数逼近能力与预测控制相结合来拟合被控非线性系统模型,并通过支持向量机的预测结果进行反馈校正,使系统具有良好的鲁棒性和稳定性,易于工程应用.