Lasso算法在SVR模型中的应用

支持向量回归(SVR)模型对高维数据的研究具有出色的泛化能力和很高的预测精度,但在问题之初,数据往往存在着多重共线性的问题。本文引入Lasso算法进行变量筛选后再建立SVR回归模型,以此期望获得较好的模型效果。选取陕西省一般公共预算收入及相关统计指标数据进行实证分析,使用Lasso算法进行变量优化后建立SVR回归模型对陕西省一般公共预算收入进行预测,从结果上来看,模型预测效果较好,在六个时间节点上,预测值与实际值完全一致。进而说明在高维统计建模时,使用Lasso算法进行变量筛选能够使得模型达到一个较好的效果。

基于小波_SVR模型的浮体极短期运动预报方法

针对随机海浪作用下浮体运动的非线性和非平稳特性,本文提出一种复合的小波-SVR组合方法。该方法首先对数据进行平稳性分析,然后利用小波分析将原始数据分解成有限个细节信号和逼近信号,将细节信号进行整合。采用SVR模型分别对最低频的逼近信号和整合后的细节信号进行预测,最后把2个预测结果进行叠加,得到最终的运动预测。仿真结果表明,复合的小波-SVR组合方法应用于浮体运动极短期预报可行,该方法在理论和工程应用方面具有重要的意义。

高铁故障晚点时间预测的支持向量回归模型

为准确预测高速铁路(HSR)列车故障引起的总晚点时间,基于广铁集团高速铁路列车晚点实绩数据,分别运用软间隔支持向量机回归(ε-SVR)和容错比支持向量机回归(ν-SVR)方法以初始晚点时间、影响列车数、晚点致因为自变量,总晚点时间为因变量构建SVR模型。使用测试数据进行模型预测能力评估,结果表明:在20%相对允许误差范围内,ε-SVR和ν-SVR模型的预测精度均超过了0.8,且ν-SVR模型的预测精度要高于ε-SVR模型。

古代玻璃制品的成分分析与鉴别问题的数学模型

古代玻璃极易受埋藏环境的影响而风化,考古工作者依据古代玻璃文物样品的化学成分和其他检测手段将其分为高钾玻璃和铅钡玻璃两种类型。采用卡方检验的方法,对玻璃文物的表面风化与其类型和颜色的关系进行差异性分析,通过训练集数据来建立支持向量机回归(SVR)模型,预测风化前玻璃文物的化学成分含量。运用层次聚类算法对该两种玻璃类型的相关数据进行聚类,根据每个类别所对应的化学成分含量在风化前后的变化情况进一步进行亚类划分,然后对分类结果给出灵敏度分析。

突发公共事件下省级财政收入预测分析

本文以新冠肺炎疫情作为突发公共事件的代表,从经济角度的影响出发,通过收集2013~2021年31个省(区、市,除港、澳、台地区外)财政收入数据及相关经济指标,利用Lasso回归筛选出有关经济指标作为特征后,采用多维K-Means聚类算法对各省财政进行聚类分析,将全国各省划分成五类。接着基于各省数据再次利用Lasso回归筛选出对当地财政收入影响较大的指标作为变量,建立SVR回归模型,对2022年与2023年一般公共预算收入进行预测。与传统的变量选择方法相比,采用Lasso回归分析选择变量避免变量的共线性问题,使得聚类分析更加接近实际。SVR回归模型预测与灰色预测相比,精度较高,预测效果好,对国家以及相关地方政府制定未来财政计划以及实现经济社会长足发展都有一定的参考意义。

基于GA参数优化的t-SVR网络安全风险评估方法

为了提高网络安全风险评估的准确性和实时性,提出一种t时延参数优化支持向量回归机的网络安全风险评估模型(t-SVR)。利用遗传算法(GA)的全局搜索性,对t-SVR模型中的关键参数进行组合寻优。通过对网络安全风险数据集进行仿真,结果表明,基于GA参数优化的t-SVR评估模型已经解决了SVR存在的不足,提高了网络安全风险评估的准确率,缩短了评估时间,评估性能更加稳定。

粤港澳大湾区大气PM_(2.5)浓度的遥感估算模型

PM_(2.5)对大气环境和人类健康危害极大,及时准确地掌握高时空分辨率的PM_(2.5)浓度对空气污染防治起着重要作用.基于粤港澳大湾区2015~2020年多角度大气校正算法(MAIAC)1 km AOD产品、ERA5气象资料和站点污染物浓度(CO、O_(3)、NO_(2)、SO_(2)、PM10和PM_(2.5)),分别建立了估算PM_(2.5)浓度的时空地理加权模型(GTWR)、BP神经网络模型(BPNN)、支持向量机回归模型(SVR)和随机森林模型(RF).结果表明,RF模型的估算能力优于BPNN、SVR和GTWR模型,BPNN、SVR、GTWR和RF模型的相关系数依次为0.922、0.920、0.934和0.981,均方根误差(RMSE)分别为7.192、7.101、6.385和3.670μg·m^(-3),平均绝对误差(MAE)分别为5.482、5.450、4.849和2.323μg·m^(-3);RF模型在季节PM_(2.5)的预测中以冬季效果最佳、夏季次之、春季和秋季再次,预测值与实测值的相关系数在0.976以上;RF模型可用于大湾区PM_(2.5)浓度的预测分析研究.在时间上,大湾区各市2021年逐日ρ(PM_(2.5))呈“先减后增”的变化趋势,最高值在65.550~112.780μg·m^(-3),最低值介于5.000~7.899μg·m^(-3);月均浓度变化呈“U”型分布,1月开始降低至6月达到谷值后逐渐升高;季节上表现为冬季浓度最高、夏季最低、春秋季节过渡的特点;大湾区年均ρ(PM_(2.5))为28.868μg·m^(-3),低于年均二级浓度限值.空间上,2021年PM_(2.5)呈“西北-东南”递减的特征,高污染区域聚集在大湾区的中部,以佛山为代表;低浓度区主要分布在惠州东部、港澳和珠海等沿海地区;不同季节PM_(2.5)浓度在空间分布上也表现出异质性和区域性.RF模型估算了高精度PM_(2.5)浓度,为大湾区PM_(2.5)污染相关的健康风险评估提供了科学依据.

融合像素与纹理特征的人群人数统计方法研究

公共场景监控下的人群人数统计是公共安全管理中的一个重要内容。针对复杂场景监控的情况,本文提出一种融合像素与纹理特征的人群人数统计方法。首先,通过改进的视觉背景提取方法得到高精度的前景目标;然后,提取ROI区域前景像素统计特征与纹理特征并引入阈值判别机制;最后,对阈值上下的图像分别采用基于纹理特征的回归算法和基于像素统计特征的线性拟合算法来得到人群人数。实验结果表明,本文方法相较于传统算法,可以适应于不同密度场景下的人群人数统计,且计算简单,统计精度高。

基于景区场景下的人群计数

景区中采用摄像机实现自动人群计数在智能安防领域具有重要价值,但摄像机透视成像、背景复杂、行人相互遮挡等因素导致人群计数精度不高。提出一种像素特征和纹理特征相结合的人群计数方法,首先获得像素点特征,然后对传统的灰度共生矩阵进行改进,最后用回归模型估计人数。实践表明,具有良好的实时性和较高的计数准确率,能够很好地满足景区实时自动计数的需求。

基于时间序列支持向量机的信用额度预测

汽车整车厂商通过经销商渠道销售整车时,会根据经销商自身的信用状况来决定信用额度,在该额度范围内,经销商可以先收车再按照规定的时间回款。以往的相关研究中,整车厂商常根据经销商某一时刻的信用状况评价其所属的信用等级,从而决定经销商的信用额度,但忽视了信用数据可能会产生“突变”,导致评价结果失真,产生信用风险。文章从受评经销商的历史业务数据出发,使用多维时间序列数据进行相空间重构,将得到的相点数据用于训练支持向量回归(support vector regression,SVR)模型,然后使用该模型给定经销商的信用额度。运用经销商信用数据的验证结果表明,该方法具有较好的预测效果。

模拟视觉感知系统的无参考模糊图像质量评价

为了获得与人类视觉感知一致的图像质量评价方法,本文提出一种模拟视觉感知系统的无参考模糊图像质量评价方法.该方法通过比较不同模糊程度的图像特征的相似度来度量图像质量.首先,通过对待测图像进行人工模糊,获得不同模糊程度的图像.然后,通过视网膜模型提取图像的细节信息.接着,采用奇异值分解用来获得图像的内部结构信息.之后,将待测图像与其它不同模糊度图像之间的细节相似度和奇异值相似度作为度量图像模糊度的特征向量.最后,将这些度量特征向量输入支持向量回归模型(SVR)进行训练,获得最终的图像质量评估模型.在常用数据库上的实验结果表明,该方法与人眼主观视觉感知的一致性优于比较方法.

基于奇异谱分析的我国航空客运量集成预测模型

针对时间序列包含噪声以及单一模型可能存在预测表现不稳定的问题,本文提出了一个基于奇异谱分析(SSA)的集成预测模型,并将其运用于我国年度航空客运量的预测中.首先,采用SSA方法对原始时间序列进行分解和重构,得到一个剔除噪声的时间序列,然后将其作为单整自回归移动平均模型(ARIMA)、支持向量回归模型(SVR)、Holt-Winters方法(HW)等单一模型的输入并进行预测,接着再采用加权平均集成预测方法(WA)将三种单一模型的预测结果进行综合集成.通过与各单一模型、基于经验模态分解方法(EMD)的模型以及简单平均集成预测方法(SA)的预测结果进行对比发现,本文所建模型具有较高的预测精度和较稳定的预测表现.最后,采用本文的模型对我国2014-2016年年度航空客运量进行了预测.