机车前端薄壁吸能管仿真模型模糊参数的支持向量回归反求

为了获得影响耐撞性结构有限元计算精度的准确模型参数,提高冲击仿真的准确性,提出一种基于支持向量回归(support vector regression,SVR)模型进行参数优化反求的方法。以一种机车前端防爬结构中的预压薄壁吸能圆管为研究对象建立有限元模型,进行台车冲击试验验证仿真模型准确性。通过拉丁超立方试验设计驱动有限元模型进行少量计算获得数据集,有限元模型中的模糊参数为输入变量,计算与试验载荷的差异为目标响应,通过SVR方法构建映射关系,并采用增强精英保留遗传算法(strengthen elitist genetic algorithm,SEGA)对超参数进行优化,确定SVR模型最佳配置;通过该最优SVR模型再次使用SEGA优化反求,获得最佳模糊参数组合。使用这组参数组合设置有限元模型,其仿真结果相较初始计算耐撞性指标和载荷曲线匹配程度都得到了提高。研究结果为有限元模型中模糊参数的准确设定、碰撞仿真的精度提升提供了一种新的思路。

湖南高速公路基础设施碳排放峰值支持向量回归预测模型

本文选取湖南省的人口数、人均GDP、基础设施固定资产投资、单位产值能耗比和单位能耗碳排放量作为高速公路基础设施的碳排放影响因素,选用湖南省2003—2021年相关数据并采用支持向量回归(SVR)机器学习法,建立了湖南省高速公路基础设施碳排放预测模型,预测在基准、低碳和超低碳情景下的碳排放数据。结果表明:训练样本交叉验证均方误差为0.007011,模型的预测值和真实值的拟合回归效果良好,训练集和测试集的相关系数分别为0.9869和0.9870,即模型具有良好的学习和推广能力。本文识别了碳排放的影响因素,预测了未来碳排放趋势,对交通基础设施碳减排行动具有一定的参考意义。

基于人工蜂群算法的支持向量回归建模及其在污水处理中的应用

污水处理过程具有大时滞、非线性、多扰动等特点,运行过程中存在生化需氧量(Biochemical Oxygen Demand,BOD)等重要水质参数难以实时测量问题,软测量技术为解决该问题提供了有效方法。对此,文章提出基于人工蜂群算法的支持向量回归(Support Vector Regression,SVR)建模方法。该方法利用蜂群算法对支持向量机的参数gamma和C进行寻优,找到使均方误差最小的超参数组合,以提高模型预测精度。同时,利用加州大学欧文分校(University of California Irvine,UCI)数据库中的污水生产数据验证该方法的有效性,结果表明该方法的实际应用效果好,可为工业生产中难以测量变量的监测提供技术支持。

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BP神经网络和支持向量回归的燃煤电厂空气预热器压差预测

燃煤电厂空气预热器进出口压差过高一直是困扰电厂运行的难题,提前预测空气预热器进出口压差变化并及时调控,将有利于电厂安全运行。基于某660 MW燃煤锅炉运行的分布式控制系统(distributed control system,DCS)大数据,应用BP神经网络和支持向量回归(support vector regression,SVR)对该电厂中空气预热器进出口压差进行建模,通过比较2种模型的预测结果可知,BP神经网络模型更适合大数据背景下空气预热器进出口压差的预测。针对BP神经网络模型固有的局部寻优和收敛速度慢等缺点,基于粒子群优化(particle swarm optimization,PSO)算法,提出PSO-BP神经网络模型,并将其与BP神经网络、SVR模型进行对比,结果表明:PSO-BP神经网络模型综合性能最好,对空气预热器进出口压差变化预测精度最高,泛化能力最强。

利用向量回归和K-means聚类算法优化智慧农业大棚的灌溉系统

探讨了智慧农业大棚在中国农业发展中的重要性,尤其是在提升农业灌溉效率方面的作用。智慧农业大棚通过集成的先进传感器技术,实现了对农作物生长环境的实时监控与智能控制,关注温度、湿度、光照等关键参数。该技术的应用不仅提升了灌溉效率,减少了人力资源消耗量,但也提出了水资源浪费的问题。针对此问题,提出了一个结合支持向量回归(SVR)和K-means聚类算法的智能灌溉模型,旨在实现精准灌溉和优化水资源利用,推动农业生产朝着更高效、环保和可持续的方向发展。介绍了智慧农业温室大棚设计,包括温室大棚本体、喷淋机构、过滤机构和连接机构,通过雨水收集机制来节约用水,进一步体现智慧农业在资源利用和环保方面的优势。

新型鲁棒孪生支持向量回归机

回归问题是模式识别与机器学习领域的基本问题之一,孪生支持向量回归机(TSVR)是在支持向量回归机(SVR)基础上发展而来的一种处理回归问题的新算法,它在处理无噪声数据时表现出较好的性能,但在处理有噪声数据时往往性能不佳。为了降低噪声对孪生支持向量回归机性能的影响,结合ε-不敏感损失函数与Huber损失函数构造了混合Hε损失函数,该损失函数可以有效地适应于不同分布类型的噪声;然后基于混合Hε损失函数和结构风险最小化(SRM)原则提出了一种鲁棒的孪生支持向量回归机(Hε-TSVR),并在原始空间中利用牛顿迭代法求解模型。分别在有噪声和无噪声的人工数据集、UCI数据集上进行实验,与支持向量回归机和孪生支持向量回归机等算法比较,实验结果验证了所提算法的有效性。

基于支持向量回归的小尺寸零件精密测量

为提高小尺寸零件测量精度和速度,提出了基于支持向量回归(SVR)的小尺寸零件精密测量方法。系统以齿形链板为研究对象,对其主要参数进行测量。系统采用透射照明方式,使用A102FCCD数字摄像头采集齿形链板的图像,经过IEEE1394数字接口卡传输到计算机。对含有噪声的原始数字图像实施中值滤波降噪、二值化,轮廓提取及图像旋转等处理,使图像转变成易于检测的单像素宽边缘信息。然后根据齿形链板长度与宽度比例确定待检测区域,以待检测区域内的边缘轮廓上的各像素点构成对应线段的训练集,进行支持向量回归,获得具有亚像素表示的各检测线段的回归函数,并据此对齿形链板的主要参数进行测量。最后,对测量误差进行了分析。测量结果满足零件的公差要求,测量精度可达2μm。理论分析及实验结果表明,该方法测量速度快,测量精度高,同时对图像平面内旋转、尺度变化、噪声等具有较强的鲁棒性。

基于支持向量回归机的煤层瓦斯含量预测研究

为了对煤层瓦斯含量进行准确预测,应用支持向量回归机(SVR)理论建立煤层瓦斯含量预测模型,结合现场实测数据利用支持向量机(SVM)工具箱进行模型的求解及预测,并从均方根误差、希尔不等系数和平均绝对百分误差3个不同误差指标与人工神经网络预测模型进行比较分析。研究结果表明:SVR模型其预测精度及可行性高于神经网络模型,而且运算快,实时性较好,用于煤层瓦斯含量的预测较理想,具有良好的应用前景,可以为煤矿瓦斯防治提供理论依据。

一种基于支持向量回归的802.11无线室内定位方法

802.11无线局域网技术的广泛普及,给无线室内定位系统带来了良好的发展契机.提出了一种基于支持向量回归的802.11无线室内定位方法.该方法主要包括离线训练和在线定位两个阶段.离线阶段的主要工作是得到精确的位置预测模型;在线阶段的主要工作是根据移动设备的接收信号强度(received signal strength,简称RSS)进行在线定位.由于存在室内环境复杂、信道拥塞、障碍物影响和节点的通信半径有限等问题,移动设备的接收信号强度易受干扰,复杂多变.针对以上问题,离线阶段对接收信号强度信息进行统计分析,得出数据过滤规则,对训练数据集进行过滤,以此提高训练样本质量,从而提高支持向量回归预测模型的质量.在线阶段使用连续K次测量定位法获取信号强度信息,保证训练样本与在线输入信息之间的一致性,提高最终的定位精度.通过实验对该定位方法进行了综合对比分析,实验结果表明:与常用概率定位法、神经网络法相比,该方法具有更高的定位精度,同时具有对移动设备的存储容量及其计算能力要求较低的特点.

支持向量回归算法在地应力场反演中的应用

地应力场是煤矿深部巷道开挖支护设计的基础数据。针对煤矿深部地层地应力实测值有较大随机误差的特点,提出基于支持向量回归(SVR)优化算法的地应力场反演方法。该方法以特征向量结构风险最小化为原则,将经验风险和置信范围最小化,减小实测地应力随机误差对参数反演的干扰。基于平煤一矿地质及地应力实测资料,建立三维有限元计算模型,引入侧压力系数,使用均匀设计表试验设计方法构造应力边界条件。根据计算分析结果建立学习样本,进而通过支持向量回归算法对边界条件参数进行优化,确定最佳应力边界条件,施加到模型上计算分析得到整个模型的地应力场。地应力测点反演值与实测值对比分析结果表明,反演值与实测值误差在合理范围,反演值比实测值随机性更小;反演地应力场分布规律与平顶山矿区地应力场分布规律一致;反演结果准确可靠。

以程海为例用支持向量机回归算法预测叶绿素a浓度

应用支持向量机回归(SVR)算法预测程海富营养化水体叶绿素a(Chl-a)的浓度,用留一法交叉验证(LOOCV)优化SVR预测模型的参数,并根据平均相对误差(MRE),讨论SVR预测模型的准确性。结果表明:用径向基核函数构建的SVR预测模型预测结果最优;SVR预测模型的预测值和实测值具有很好的一致性,相关系数为0.938,MRE为12.30%。SVR预测模型的建模结果优于人工神经网络(BP-ANN)预测模型,说明SVR算法能够准确预测Chl-a浓度。

基于聚类的支持向量回归模型在电力系统暂态稳定预测中的应用

提出了一种电力系统暂态稳定实时预测方案,通过相量测量单元(PMU)获得扰动后短时间内的发电机功角相量,利用支持向量回归(SVR)模型可以快速而准确地预测发电机相对功角的变化趋势,从而可以判断电力系统的暂态稳定性。为了提高预测的精度和降低SVR的训练负担,利用自组织特征映射(SOFM)网络对训练样本集进行聚类分析,对聚类后的每一类样本训练SVR,由于每类样本具有相似性,所以对每类样本单独训练SVR可以更好地提高训练精度;又由于分类后的子类样本数目相对较小,所以可以克服全体训练样本对SVR训练时间过长的缺点。结合新英格兰10机系统对基于多种不同样本的SVR从训练时间和预测精度进行对比说明该方法的有效性。

基于支持向量回归机的矿井突水量预测

为更好地预测预防煤矿水害,遏制煤矿水害,针对煤层底板突水问题的非线性、小样本特点,通过研究支持向量回归机(SVR)原理,建立基于SVR的矿井底板突水量预测模型。从突水影响因素中选取属性特征,包括水压、含水层厚度、隔水层厚度、底板采动裂隙带深度和断层落差。用网格搜索法和5-折交叉验证法确定径向基核函数(RBF)及模型参数。运用模型对测试样本进行突水量预测。最后将构建的矿井突水SVR模型运用到国内某典型矿山的煤层底板突水预测中,对工作面煤层底板进行最大突水量预测。

基于小波变换与支持向量机回归的冬小麦叶面积指数估算

叶面积指数(LAI)是作物长势诊断及产量预测的重要参数。通过对冬小麦采样点的高光谱曲线进行连续小波变换(CWT),然后利用小波系数与LAI建立支持向量机回归(SVR)模型,实现冬小麦不同生育时期的叶面积指数估算。通过对所研究方法与选取的植被指数、偏最小二乘(PLS)回归等5种方法的反演结果进行统计分析。结果表明:利用连续小波变换确定的LAI的敏感波段为680、739、802、895 nm,对应尺度分别为8、4、9和8,对应小波系数的LAI回归确定系数(R2)明显高于冠层反射率的回归确定系数;利用小波系数与LAI建立的SVR模型的反演精度最高,模型实测值与预测值的检验精度(R2)为0.86,均方根误差(RMSE)为0.43;而常用植被指数(归一化植被指数,NDVI;比值植被指数,RVI)建立的估测模型对冬小麦多个生育时期LAI反演精度最低(R2<0.76,RMSE>0.56)。因此利用连续小波变换进行数据预处理,能更好地筛选出对叶面积指数敏感的信息,LAI回归方法比较结果表明,SVR比PLS更适合于LAI的估测,通过将CWT与SVR结合(CWT-SVR)能实现不同生育时期冬小麦叶面积指数的遥感估算。

基于最小二乘支持向量回归的水质预测

水质系统是一个开放的、复杂的、非线性动力学系统,具有时变复杂性,针对水质预测方法的研究虽然已经取得了一些成果,但也存在预测精度与计算复杂度等难题。为此,本文提出一种基于最小二乘支持向量回归的水质预测算法。支持向量机是机器学习中一种常用的分类模型,通过核函数将非线性数据从低维映射到高维空间,在高维空间实现线性分类和回归,最小二乘支持向量回归(LS-SVR)利用所有的样本参与回归拟合,使得回归的损失函数不再只与小部分支持向量样本有关,而是由所有样本参与学习修正误差,提高预测精度;同时该算法将标准SVR求解问题由不等式的约束条件及凸二次规划问题转化成线性方程组来求解,提高了运算速度,解决了非线性复杂特性的水质预测问题。

计算事故再现结果区间的支持向量回归-子区间法

为克服事故再现结果不确定性分析中试验样本少、模型非线性等问题,基于支持向量回归(SVR)与子区间(SI)技术,提出一种求解事故再现结果取值区间的支持向量回归-子区间(SVR-SI)方法。先用拉丁超立方抽样(LHS)设计仿真试验,获得结果后用SVR方法建立事故再现模型的近似响应面模型;然后用SI算法获得事故再现结果的取值区间。最后给出2个数值算例及1个真实事故案例。计算结果表明,用SVR-SI方法在较少试验样本条件下,仅需较少仿真次数,即可获得事故再现结果的取值区间。

基于支持向量回归的女贞子中齐墩果酸的快速测定方法

采用数据平滑和连续小波变换（CWT）的方法,对女贞子样品的近红外光谱数据（NIR）进行处理,建立了基于支持向量回归（SVR）和NIR快速测定齐墩果酸含量的方法.该方法用于测定女贞子样品中齐墩果酸的含量,与紫外光谱法测得的数据相比,回收率为95.54%-104.2%.

一种基于支持向量回归机的稳健数字图像水印算法

提出一种支持向量回归机SVR的数字图像水印算法.选择载体图像平滑区域中心像素及其7×7邻域做为SVR的训练样本,利用SVR的学习和泛化能力,建立图像空域像素邻域之间的SVR模型,通过调整中心像素值实现水印嵌入.实验结果表明,该算法具有良好的不可感知性,对JPEG压缩、椒盐噪声、高斯低通滤波、模糊、锐化、剪切、尺寸变化等攻击有较强的稳健性.同时提取水印过程不需要原始载体图像,可实现水印的盲检测.

基于核路径算法的支持向量回归机参数选择

参数选择是支持向量机研究领域的重要问题。针对核参数的选择,提出一种基于二分法的核参数解路径算法。由于解为核参数的非线性光滑函数,该算法随着参数的更新,可以在已有参数得出的解的基础上通过更新公式进行推导计算,从而求得当前参数所对应的解,其目标函数的极值所对应的参数值即为最优参数解。该算法可以快速地求得最优参数。将该方法应用于双酚A生产过程的质量指标软测量建模,仿真结果表明了该算法的可行性和有效性。