基于SVM-BP神经网络组合模型的高速公路出口流量预测

为了给高速公路交通流精准预测提供更准确的方法,本文利用济南西高速公路出口早晚高峰流量数据,采用SVM-BP神经网络组合模型进行短时交通流预测,并对单一的SVM(支持向量机)模型、BP神经网络模型和组合模型的预测精度进行比较和实证分析。当样本数量小于或等于120时,结果表明:①误差对比:当样本数量大于22时,由于预测集与训练集数据分布本身存在差异且SVM模型训练完成后过于复杂导致三种模型的误差逐渐变大。②预测精度:组合模型>BP神经网络>SVM,组合模型的平均绝对误差(MAE)提高了6.85%,远高于其他单一模型,验证了组合模型的有效性。

基于SVM-BP混合网络的输电线路安全评价模型研究

为了能够科学、客观地评价输电线路安全状态,提出了基于SVM-BP混合网络的输电线路安全分析模型。首先,对天气数据、输电线路标准文件和缺陷数据等进行处理和分析,利用关联规则和主成分分析法对输电线路缺陷数据进行整合,建立输电线路安全状态评价体系;然后,提出了SVM-BP混合网络模型挖掘各因素与缺陷状态间的关联,评价输电线路的安全状态;最后,以某地区输电线路为数据集进行验证,该评价模型的准确率达到97.4%,可以快速准确地评价输电的安全状态,并在灾害性天气下提前做好应对措施,保证输电线路的稳定运行。

基于SVM-BP模型非完整数据的隧道围岩挤压变形预测

采用一种可靠的方法预测隧道围岩挤压变形对隧道的设计与施工至关重要。文章构建了用于围岩挤压变形分类的SVM-BP组合模型,通过设计不同特征参数和3种分类器“SVM模型、BP模型、SVM-BP组合模型”用于隧道挤压预测的试验,分析了不同模型的预测准确性和特征参数对预测结果的影响,验证了SVM-BP模型的可靠性。研究结果表明:采用隧道直径D、隧道埋深H、岩石质量指数Q和支撑刚度K这4个特征可较好地反映围岩挤压变形的分类效果;SVM-BP模型组合了SVM和BP神经网络模型的优点,具有灵活的非线性建模能力和大规模信息的并行处理能力,因此,SVM-BP模型比SVM和BP模型的分类性能更优;D,H和K这3个指标共同耦合对隧道围岩挤压变形预测结果的影响较大。

基于SVM-BP神经网络的气象能见度数据缺失值预估

自动气象站能见度检测仪多采用光学装置采样,雨雪、粉尘等天气因素会对部分仪器镜头造成污染,导致能见度要素数据缺测.针对能见度数据缺失问题,本文选用安徽部分气象站的历年数据,首先运用灰色关联分析方法筛选出与能见度密切相关的其他气象要素,通过支持向量机和BP神经网络单一预估方法预估不同地形的能见度缺失值,然后采用最优权重组合将两种方法预估的能见度值进行组合,并与单一预估方法进行对比.结果表明组合方法的预估结果误差均值小、整体准确度高,可以保证台站观测资料的完备性,为短时天气预报、实况分析和气象公共服务工作提供有效依据.

基于SVM-BP降雨型黄土滑坡灾害安全评价模型研究

地质滑坡灾害的监测预警体系中存在地质灾害调查、数据监测和预测预警环节融合度不够、相互分散、结果评价缺失等缺点。针对降雨型黄土滑坡灾害监测预警中存在的实际问题与不足,结合多源信息和智能风险评估,提出一种准确率高且可快速评价坡体安全性的基于SVM-BP的地质灾害安全评价混合模型。以降雨型滑坡地下水监测为主,以外部诱发因素为辅,在完成滑坡形变监测、风险源辨识和搭建监测预警云平台系统的基础上,以坡体含水率易诱发边坡骤发式瞬间失稳为出发点,实现了对降雨型危险坡体的实时监测与动态安全性评价。试验数据来源于西安市某地实测数据。首先确定滑坡风险评价指标体系,并基于灰色综合关联分析法和模糊层次分析法完成初步数据筛选,然后利用SVM分类器和BP神经网络模型分别完成数据判断和评价分类,建立基于SVM-BP的安全评价混合模型。在实际工程中坡体大概率为安全状态,这使得评价模型的SVM分类器具备运行时间短、满足快速性要求的特点;BP神经网络模型能够增加对于危险状态识别的敏感度,可提高整个评价模型的准确率。对危险坡体实测数据和系统功能试验验证表明:该评价模型的准确率达到99.94%,运行时间为0.0329 s,满足降雨型滑坡监测过程中对于采集数据实时评价分析的需求,并可快速准确地评价监测点的安全状态。

SVM方法在某多级离心泵故障诊断中的应用

针对实际工程中多级离心泵故障样本难获取的现象,通过多级离心泵故障模拟试验台模拟实际产品的碰摩、不对中、不平衡三种典型故障,基于支持向量机(Support Vector Machine,SVM)建立故障诊断模型的方法实现故障的分类。采用集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)算法提取振动信号的时频域特征,结合时、频域和信息熵特征构造高维特征样本后,以主成分分析(Principal Component Analysis,PCA)优化输入样本质量,实现对故障的高效分类。另外,对比分析SVM和反向传播(Back Propagation,BP)神经网络的分类效果,表明SVM模型分类的效果更好,在多级离心泵的故障诊断中具有良好的适用性。

基于加权组合算法的点云孔洞修补

为了对无人机航测数据中的点云孔洞进行修补,将最小二乘支持向量机算法LS-SVM和遗传算法GA优化的反向传播神经网络算法BP进行线性组合,构建一种加权组合模型,用于散乱点云数据中的孔洞修补。通过两种修补方法的误差进行两者的加权组合,建立出与两种修补方法误差相关的加权组合模型,并将加权组合模型的修补结果与单一使用最小二乘支持向量机、遗传算法优化的BP神经网络两种修补方法的修补结果进行残差和内外符合精度的比较与分析。结果表明:采用加权组合模型得到的点云修补结果内外符合精度较高,且具有更强的稳定性,为无人机获取的点云数据提供了一种有效的孔洞修补方法。

基于SVM-BP神经网络的风暴潮灾害损失预评估

风暴潮灾害是影响我国最严重的海洋灾害,风暴潮灾害损失的预评估对防灾减灾有重要作用。本文选用2002~2014年的40组风暴潮历史灾情资料进行试验,首先建立风暴潮灾害损失评估指标体系并用灰色关联分析法对指标进行筛选,然后采用最优权重组合将支持向量机和BP神经网络进行组合预测分别对风暴潮直接经济损失和受灾人口数进行预测,并与单一预测方法进行对比,发现组合预测方法可以降低误差,提高损失预测的准确性,建立风暴潮灾害损失预评估模型,为决策者进行预警信息的发布提供有效依据。

基于3种不同机器学习算法的滑坡易发性评价对比研究

准确的滑坡易发性评价结果是山区滑坡灾害防治的关键,可有效规避潜在滑坡带来的风险。为获得准确、可靠的滑坡预防参考,笔者以云南芒市为研究对象,选取高程、地层岩性、年均降雨量等9项评价因子,通过多重共线性分析,构建研究区滑坡易发性评价指标体系。分别基于支持向量机(SVM)、BP神经网络和随机森林(RF)3种典型机器学习算法进行滑坡易发性评价。利用准确性(ACC)、ROC曲线下面积(AUC)、滑坡比(Sei)及野外实地考察对模型评价结果精度进行对比验证分析。结果显示RF模型的ACC、AUC和极高易发区的SeV值最高,分别为0.867、0.94、9.21;BP神经网络模型次之,其SeV值分别为0.829、0.90、9.14;SVM最低,其SeV值分别为0.794、0.88、6.85。此外,RF算法所得结果还与实地考察情况保持了较高的一致性。实验结果表明与其他两种算法相比,RF算法在芒市区域具有更高的准确性和可靠性,更适合用于该区域的滑坡易发性建模,且利用该模型获得的评价结果,能够为芒市区域的滑坡防治提供理论依据和科学参考。

基于PSO-BP的岩性识别方法研究

近些年来,数据分析、深度学习技术取得了长足的发展,并为社会带来了可观的收益。故利用深度学习手段进行岩性识别也成为了一个研究热点。岩性识别是录井解释的核心业务,准确而有效地预测储层性质对石油勘探工作有着重大意义。为解决传统岩性识别方法成本高、耗时长等缺点。论文利用松辽盆地中若干井的测井数据进行模型研究,提出了一种基于PSO-BP的岩性识别方法。通过对测井源数据进行数据预处理、构建网络识别模型、优化岩性识别模型、评价模型输出结果等步骤,实现基于PSO-BP岩性识别方法。经过反复试验,结果表明采用PSO-BP的岩性识别方法对岩性进行识别的平均准确率可达92.2%,为储层预测工作提供了可靠的支撑。

基于VC-SVM与粒子群算法的卡钻智能预测方法

在油气钻探过程中,由于井下条件复杂、地层认识不清等因素,导致卡钻事故频发,严重制约钻井效率。目前国内外学者所研究的卡钻预测方法在准确性、时效性及迁移性等方面仍存在不足。为此提出了一种融合集成学习思想与智能优化算法的卡钻智能预测方法。该方法根据实际井场的卡钻数据,基于合理的标签标定方法,将标签准确定位于卡钻发生前而非卡死点;通过参数相关性分析、表征意义分析、时效性以及可信性分析优选了7个输入参数;使用了随机森林(RF)、支持向量机(SVM)和BP神经网络3种算法建立了卡钻预测模型,并对比了各模型在卡钻与非卡钻样本比例严重不均时(卡钻与非卡钻比例1∶117)的表现;然后使用投票分类器(VC)将多个模型集成,并分类预测,优选SVM模型作为卡钻预测基模型,使用集成学习的思想加以改进,并采用粒子群算法同时对多个SVM分类器进行超参数优化,简化了调参过程的同时实现了耦合寻优。最终以某区块10次卡钻样本进行训练测试。测试结果表明,改进后的模型可有效寻找不同类别卡钻的超平面,迁移预测虚警率可控制在9%,漏警率不到7%,有效预测了每一次卡钻的大部分数据点。研究结果有望提高现场钻井风险预警效率,为保障油气井安全高效钻进提供支撑。

海口港水产品冷链物流需求预测研究

本文主要探讨海口港水产品冷链物流需求预测的方法和应用。海口港作为海南主要港口,其水产品冷链物流需求预测具有重要的现实意义。本文首先介绍SVM支持向量机和BP神经网络两种预测方法,其次通过对比分析,选择BP神经网络作为预测模型,最后以海口港为例,运用BP神经网络模型对水产品冷链物流需求进行预测,并提出了相应的优化建议。本文的研究结论可以为相关企业和部门提供决策参考,以期促进海口港水产品冷链物流的持续发展。

基于PSO-SVM的点焊接头拉剪强度分类分析

点焊是汽车零部件的主要连接方式之一,点焊接头的拉剪强度是评价点焊质量的重要因素,论文在制备大量点焊试样的基础上,对各试样的焊点进行超声信号检测,并运用信号处理获得时域、频域和小波包特征值,随后对点焊试样在拉剪试验中的失效形式进行分析,建立点焊接头拉剪强度的分级标准.根据试验数据设计了BP(back-propagation)神经网络和基于粒子群优化支持向量机(particle swarm optimization support vector machine,PSO-SVM)的神经网络分类器,最后将试样的超声信号特征值作为输入参数,比较两种神经网络模型对点焊试样拉剪强度分类的准确率.试验结果表明,结合9个超声信号特征值的PSO-SVM神经网络具有最高的点焊强度分类准确率.

基于SSA-BP-SVM模型的云龙湖水质反演研究

利用遥感技术进行水质监测,全面地掌握水质分布情况对水环境保护具有重要意义.水质参数与地表反射率并非简单的线性关系,BP神经网络和支持向量机(SVM),因其非线性模拟的特点,被广泛应用于水质反演.传统BP神经网络存在收敛缓慢、容易陷入局部最优的问题;SVM虽然具有很好的拟合能力,但受惩罚系数及核函数参数影响较大.以云龙湖为研究区域,利用Sentinel-2影像和实测数据,针对重要水质参数电导率和浊度,提出一种基于麻雀搜索算法(SSA)优化BP神经网络及SVM的水质反演耦合模型,利用SSA对BP神经网络及SVM进行参数寻优,基于验证集MAE计算模型权重,对SSA-BP、SSA-SVM模型测试组输出层加权计算后获得最终反演结果.与BPNN、SVM、SSA-BP、SSA-SVM模型对比,结果表明:(1)Sentinel-2影像对电导率及浊度的敏感波段均为可见光及短波红外波段;(2)SSA-BP-SVM水质反演耦合模型精度更高,电导率及浊度反演模型R 2分别为0.92、0.89;(3)云龙湖具有典型的城市水体特征,电导率受上游南望净水厂排水影响较大,浊度受社会生产活动带来的颗粒污染物影响较大.基于Sentinel-2影像利用SSA-BP-SVM模型进行水质反演具有较好的应用潜力,能够为云龙湖水质监测以及制定保护措施提供一定的技术支撑.

威宁县松林生物量遥感估测研究

基于威宁县2017年森林资源规划调查数据与Landsat 8 OLI遥感影像对威宁县云南松林和华山松林分别构建BP神经网络和支持向量机(SVM)模型,并选择最优模型对威宁县2种松林进行地上生物量反演。结果表明:2种模型中,SVM模型有着最好的估测效果,云南松模型决定系数(R^(2))系数为0.409,均方根误差(RMSE)为39.04,云南松林单位生物量主要分布在3~30 t/hm^(2),其次在30~120 t/hm^(2),集中分布于威宁县西南部。华山松模型决定系数(R^(2))为0.35,RMSE为47.6,华山松林单位生物量主要分布在2~30 t/hm^(2),其次在30~150 t/hm^(2),集中分布在威宁县北部。

变电设备温度态势感知及辅助决策系统方案研究

【目的】为了提升变电设备运维管理的智能化水平,及时发现并预防因设备过热导致的故障风险,保障电网安全稳定运行,提出了变电设备温度态势感知及辅助决策方案。【方法】从感知层、理解层、预测层和辅助决策层4个方面展开研究。在感知层,利用K近邻(K-nearest neighbor,KNN)分类算法分析多类温度数据的关联性。在理解层,通过BP神经网络构建历史数据传递模型,以处理历史数据缺失问题。在预测层,为应对非线性数据和噪声,设计了自回归积分滑动平均(autoregressive integrated moving average,ARIMA)模型与支持向量机(support vector machine,SVM)组合的温度预测模型。在辅助决策层,应用灰色关联度分析设备温度变化与故障风险之间的关系。【结果】基于所提方案的算例验证结果表明,该方案实现了对设备未来温度变化趋势的有效感知,并为设备缺陷判断提供了依据。【结论】所提方案通过多维度、深层次的温度数据分析,揭示了设备温度与故障风险之间潜在的关联关系,实现了对变电设备运行趋势的预判,为变电设备运行方式优化以及制定设备检修计划提供参考。

基于支持向量机的砌体结构震害预测新方法研究

应用简便、可靠的震害预测方法对我国大量存在的砌体结构进行抗震性能评估,是防震减灾工作的重要举措。基于支持向量机(support vector machine,SVM)理论提出了砌体结构震害预测新方法。首先,详细阐述了基于SVM的砌体结构震害预测新方法的基本原理及步骤;其次,确定了砌体结构的震害影响因子及量化值,建立了震害样本数据库及预测模型;最后,将SVM预测结果分别与实际震害结果和BP神经网络预测结果进行对比分析。结果表明,基于SVM模型的砌体结构震害预测方法步骤简单。结果可靠,在样本数据有限的情况下相对BP神经网络算法有较大的优势,可以用于砌体结构的震害预测。

基于机器学习的离港航空器滑出时间预测

准确地预测航空器的滑出时间对于提升机场场面运行安全和效率至关重要。基于机场场面运行态势分析,获得进/离港航空器滑行的时空分布特征,从而准确定义同时段离港航空器数量、进港航空器数量、起飞队列长度。基于影响因素进行相关性结论分析,构建了基于机器学习的航空器滑出时间预测模型,并使用中南某枢纽机场2周的实际运行数据对模型进行了验证。结果表明:滑出时间影响因素相关性大小排序为:起飞队列长度、同时段起飞航空器数量、30 min平均滑出时间、同时段落地航空器数量、起飞使用跑道、滑出距离。机器学习方法能实现对航空器滑出时间的有效预测,分类器的优劣排序为支持向量机(support vector machine,SVM)、BP(back propagation)神经网络、随机森林(random forest,RF)。引入弱相关的影响因素后,滑出时间预测精度会有一定程度的降低。

基于粒子群优化算法随机森林模型的体外冲击波治疗泌尿系统结石疗效预测研究

目的 提出一种基于粒子群优化算法随机森林模型(PSO-RF),并用于体外冲击波治疗泌尿系统结石的疗效预测,以期为临床结石的治疗提供新的选择和思路。方法 选取2018年至2021年江苏省中医院泌尿外科确诊的原发性泌尿系统结石患者1150例为研究对象,将样本集按7:3的比例随机分为训练集(805例)和测试集(345例),使用MATLAB 2019a建立BP神经网络模型、支持向量机(SVM)模型、决策树(DT)模型及PSO-RF模型,同时将准确率、召回率、F1分数、精准率作为模型精度评判指标。结果 相比SVM模型、DT模型,PSO-RF模型的预测准确率、精确率、F1分数均提高,差异均有统计学意义(P <0.05);相比BP神经网络模型、SVM模型与DT模型,PSO-RF模型的预测召回率提高,差异有统计学意义(P <0.05);PSO-RF模型的AUC为0.74,时间复杂度相比BP神经网络模型降低,差异有统计学意义(P <0.05)。结论 PSO-RF模型可对泌尿系统结石治疗效果进行快速、合理、科学的预测,为泌尿系统结石的治疗提供参考,值得进一步研究和学习。

基于PSO-BP神经网络与PSO-SVM的抗乳腺癌药物性质预测

通过实验筛选研发新药的过程非常缓慢且需耗费大量的人力物力,而利用计算机辅助预测药物的分子性质可极大地节省药物研发时间和成本.因此,为了能够使抗乳腺癌候选药物对抑制ERα具有良好的生物活性和ADMET性质,针对收集到的1 974种化合物,首先利用随机森林分类器筛选出前20个对生物活性最具显著影响的分子描述符,并以此和pIC50值作为特征数据建立QSAR模型.其次,基于PSO优化BP神经网络对50个新化合物的生物活性值进行预测,模型拟合度为0.833 7,根均方误差为0.731 5,比优化前的BP神经网络预测值更贴合实际.随后为提高药物研发的成功率,依据已有的ADMET性质数据利用PSO优化SVM构建ADMET分类预测模型,算法交叉验证CV准确率达到94.076 7%,5个指标模型的预测准确率均在79%以上.结果表明,所建立的模型比基准模型的预测性能更好,采用的预测策略是有效的,可为抗乳腺癌药物的研发提供借鉴.