基于贝叶斯优化支持向量回归的流线型箱梁颤振气动外形优化方法

为解决风洞试验耗时费力和计算流体动力学(CFD)计算量大的问题,提出了一套新型流线型箱梁断面颤振性能气动外形优化方法.以风嘴参数为设计变量,利用CFD获取断面三分力系数,以准定常理论估算的颤振临界风速为优化目标.根据贝叶斯优化支持向量回归构建代理模型,利用混合加点法更新模型,通过寻优算法确定最优断面.以虎门大桥为例,得到桥梁在可行域内颤振性能最佳的断面方案.结果表明,风嘴升高,颤振临界风速先增后减,相对高度为0.6时整体性能较优,相对高度为0.7时可获得最优断面.底板宽增加,颤振性能显著降低,下斜腹板倾角为14°~16°时颤振性能最优.断面优化后桥梁颤振临界风速相比原始断面提升约31%.

基于支持向量分位数回归多期VaR测度

为实现VaR风险准确测度,考虑到波动聚集、厚尾与非对称等金融市场典型特征,基于支持向量分位数回归模型,研究了VaR及其影响因素之间的线性及非线性依赖关系,给出了多期VaR风险测度方法,并将其与传统VaR风险测度方法进行了比较.选取上证指数、香港恒生指数和标准普尔500指数进行实证研究,VaR回测检验结果表明基于支持向量分位数回归模型的多期VaR风险测度在样本内与样本外都有良好的表现.

我国煤炭价格与煤矿安全事故实证分析:基于向量自回归模型(VAR)

为了研究煤炭价格与煤矿安全事故之间的内在关系,本文选取煤炭开采和洗选业出厂价格指数作为煤炭价格指标,选取煤矿百万吨死亡人数作为煤矿安全事故指标,通过向量自回归模型、脉冲响应函数及方差分解方法,对2005~2016年煤炭价格与煤矿安全事故数据关联性进行分析。结果显示:煤炭价格与煤矿安全事故存在协整关系,煤炭价格对煤矿安全事故的影响是长期且稳定的;从脉冲响应函数结果可知,煤炭价格波动对于煤矿安全事故的正向冲击作用较为明显,煤炭价格的增长有利于煤矿安全事故的减少;从方差分解角度分析,煤炭价格在一定程度上对煤矿安全事故产生影响,但不是主要影响,而煤矿安全事故受自身影响因素影响较高。

不同类型主体对大豆期货价格波动的影响分析——基于向量自回归(VAR)模型

本文基于2003-2011年CBOT大豆期货价格的月数据,运用向量自回归(VAR)模型考察了不同类型主体与整个期货市场对大豆期货价格波动的影响及程度。结果显示:非商业净头寸为代表的投机力量对大豆期货价格起到了一个正反馈的推动作用,而商业净头寸变动对于大豆期货价格的影响较小,长期内几乎没有影响;在考察期的前4个月,总持仓量对大豆期货价格起到了一个使其稳定的负反馈作用,但随着时间的推移,投机带来的正反馈较之期货市场不同类型主体的负反馈效应更占据主导地位,总持仓量对大豆期货价格起到正向反馈推动作用,推动大豆价格的大起大落,进一步证实,投机因素是大豆期货价格大幅波动的主要原因。

外部冲击对蔬菜价格波动的影响——基于面板向量自回归模型(PVAR)的实证分析

构建面板向量自回归模型(PVAR)的基础上,实证分析了外部冲击对蔬菜价格波动的影响,结果发现:除GDP增长率对蔬菜价格波动具有明显的冲击影响外,其他变量对蔬菜价格方差贡献都非常小,在1.5%～3.3%之间。同时,从变量冲击反应观察,当给蔬菜补贴LBT一标准差冲击,蔬菜价格LJG表现为负响应并在第3期达到最大;当给蔬菜成灾面积LCZ一标准差冲击,蔬菜价格LJG最初表现为负响应并在第3期转为正响应;当给GDP增长率一标准差冲击,蔬菜价格LJG表现为明显的正响应;当给城镇居民收入LCZSR一标准差冲击,蔬菜价格LJG表现为负响应。由此可见,蔬菜价格对外部冲击反应的效果并不理想,对部分外部冲击的反应存在明显的不合理的滞后性。健全蔬菜产业市场机制、提高蔬菜流通效率、保障蔬菜供需平衡等是抑制蔬菜价格剧烈波动的重要措施。

基于支持向量回归的工业机器人空间误差预测

鉴于高端智能制造领域对高精度应用场景下的工业机器人绝对定位精度的更高要求。本文主要研究基于支持向量回归(Support Vector Regression,SVR)模型的机器人空间误差预测方法。针对Staubli TX60型串联工业机器人进行了运动学建模和误差分析。搭建了基于Leica AT960激光跟踪仪的机器人测量实验平台,并进行了大量空间位姿点的测量,通过真实数据集训练优化SVR模型。基于SVR方法对机器人实际位姿误差进行预测与补偿,避免了复杂的误差建模过程。机器人平均位置误差和平均姿态误差分别由补偿前的(0.7061 mm,0.1742°)降低至(0.0556 mm,0.0246°),位置误差降低了92.12%,姿态误差降低了85.88%。最后,通过与BP,Elman神经网络以及传统LM几何参数标定方法进行对比,验证了基于SVR模型进行空间误差预测对机器人位置和姿态误差降低效果的有效性和均衡性。

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。

基于变量敏感度筛选的回归型支持向量机的数控机床热误差预测

随着机械制造行业的迅猛发展,对于数控机床的定位精度要求越来越高。为了提高机床定位精度,建立了基于变量敏感度筛选与回归型支持向量机(SVR)混合模型,并将其用于数控机床热误差预测方法。该方法基于对变量敏感度分析,筛选掉敏感度低的干扰自变量。本方法与基本SVR模型对数控机床热误差预测值进行对比,结果表明基本SVR受到敏感度低的干扰自变量影响,预测结果与实测热误差结果偏差较大;经过变量敏感度筛选之后的SVR混合模型预测值具有更高的准确度,验证了此模型的可行性。

基于斑马算法优化支持向量回归机模型预测页岩地层压力

针对陇东地区三叠系延长组7段(长7段)页岩孔隙结构复杂、非均质性强、地层压力预测精度较低等问题,提出了一种基于斑马算法优化支持向量回归机(ZOA-SVR)模型预测地层压力的方法,并在实际钻井中进行了应用,将预测结果与基于机器算法的模型和常规地层压力预测方法结果进行了对比。研究结果表明:①ZOA-SVR模型以实测地层压力数据为目标变量,优选与陇东地区长7段页岩地层压力数据关联度达到0.70以上的深度、声波时差、密度、补偿中子、自然伽马、深侧向电阻率、泥质含量等7个参数作为输入特征参数,设置训练样本数为40,交叉验证折数为5,初始化斑马种群数量为10,最大迭代次数为70,对惩罚因子和核参数进行优化并建模,参数优化后拟合优度指标R2达到0.942,模型预测的地层压力数据在训练集和测试集上的绝对误差均低于1 MPa,预测测试集地层压力数据与实测压力数据的平均相对误差为2.42%。②ZOA-SVR模型在研究区长7段地层压力预测中优势明显,比基于粒子群优化算法、灰狼算法和蚁群算法的模型具有更好的参数调节及优化能力,R2分别提高了0.209,0.327,0.142;比等效深度法、Eaton法、有效应力法预测的地层压力精度更高,相对误差分别降低了32.53%,15.31%,5.91%。③ZOA-SVR模型在实际钻井中的应用结果显示,研究区长7段地层压力在垂向上分布较稳定,泥页岩段的地层压力高于砂岩段,地层压力系数主要为0.80~0.90,整体上属于异常低压环境,与实际地层情况相符。

基于非限制性向量自回归模型(VAR)的区域物流与外贸增长关系研究——以江苏省1990—2010年统计数据为经验分析

基于江苏省1990—2010年的统计样本,借助非限制性向量自回归模型(VAR)方法考察了区域物流与对外贸易增长之间的动态关系。由协整方程对长期关系分析表明,区域物流供给与需求能力每增加(减少)1%引起对外贸易增加(减少)0.435%和0.337%;由误差修正模型、脉冲响应函数和方差分解对短期动态关系作进一步分析表明,增加区域物流供给和需求能力是提高对外贸易增长的有效途径,其中物流供给比需求对对外贸易的贡献率更大。为了使区域物流发展水平与对外贸易相适应,应进一步发展现代物流业,特别是增加物流业的供给能力。

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。

中国货币政策区域非对称性效应——基于结构向量自回归模型(SVAR)的检验

对于像中国这样幅员辽阔且内部发展差距较大的大国而言,统一的货币政策在各地区的传导过程中可能会出现区域非对称性效应。在总结现有文献的基础上,本文运用结构向量自回归模型,使用脉冲响应函数和方差分解两项计量工具,实证检验了中国的货币政策是否存在区域非对称性效应。本文的研究发现,无论是对产出的影响,还是对物价的影响,货币政策对东部地区的影响都要显著地大于中西部地区。

基于改进支持向量回归的空战飞行动作识别

针对空战中飞机的飞行动作愈发复杂导致识别准确率低的问题,提出了改进支持向量回归的空战飞行动作识别方法,该方法采用高斯核函数作为线性核函数,利用混沌初始化和反向学习策略改进麻雀搜索算法,利用改进后的麻雀算法优化支持向量回归算法,具体表现为对支持向量回归算法中高斯核函数的参数进行优化,通过优化后的支持向量回归算法进行飞机动作识别。采用了五种基本的飞行动作和几种复杂的飞行动作验证该方法的识别准确率。仿真表明,优化后的支持向量回归算法与传统的支持向量回归算法、模糊支持向量机算法、传统聚类算法、神经网络算法相比,对基本飞行动作的平均识别率至少提升了2.2%,对复杂飞行动作的平均识别率至少提升了3.7%。

单位劳动力成本、汇率变动与出口的互动关联研究——基于面板向量自回归(PVAR)模型的分析

基于我国34个工业行业的面板数据,采用面板向量自回归模型(PVAR)对单位劳动力成本、汇率风险与我国出口之间的互动关系进行研究。结果显示,单位劳动力成本与出口存在双向抑制作用,即工资上涨不利于出口规模的扩张,出口也无法促进工资增长率的上升,但出口显著地提升了劳动生产率;汇率变动对出口脉冲响应函数值正负交替,呈现出不确定性,出口对汇率变动产生了超调现象;我国存在"进口引致出口"机制,且出口也能通过收入效应和汇率两条路径影响进口;产出对出口的影响关系呈现不确定性,但出口可以带动产出。在方差分解中,单位劳动力成本变量对出口具有较强的解释能力,是导致我国出口变动的主要因素,汇率变动对出口的短期解释能力较强,进口在长期解释能力较强,产出在三个不同时期解释能力基本一致,但出口对其他变量的解释能力普遍较低。

城镇居民收入对中超联赛上座人数的影响——基于向量自回归模型的实证研究

为促进我国足球产业的发展,选择2004-2019年中超联赛上座人数和城镇居民可支配收入的时间序列数据,运用向量自回归模型探究了城镇居民可支配收入对中超联赛场均上座人数影响,结果发现:(1)对上座人数和居民收入取对数后,两者的原始数据都是属于平稳序列.向量自回归模型的最优滞后阶数是1阶,模型结果显示居民收入和上座人数两者存在协整关系.(2)两者存在单项因果关系,居民收入是上座人数的格兰杰原因,说明居民收入对上座人数有一定预测作用.(3)居民收入对上座人数有正向冲击,而上座人数对自身的冲击则波动较大.方差分解结果显示,居民收入对上座人数的贡献逐步提升,10期后接近20%;而上座人数自身的贡献率较大,保持在85%以上.根据研究结果,提出了打造联赛口碑,提升联赛质量,增加居民可支配收入,引导扩大体育消费等策略,以期为提高中超联赛办赛水平提供参考.

基于改进灰狼优化与支持向量回归的滑坡位移预测

针对滑坡位移难以预测、影响因素难以选择等问题,提出一种结合了二次移动平均(DMA)法、变分模态分解(VMD)、改进灰狼优化(IGWO)算法与支持向量回归(SVR)的模型进行滑坡位移预测。首先,利用DMA提取滑坡位移趋势项和周期项,采用多项式拟合对趋势项进行预测;其次,对滑坡周期项的影响因素进行分类,采用VMD对原始影响因子序列进行分解获得最优序列;再次,提出一种结合SVR与基于改进Circle多策略的灰狼优化算法CTGWO-SVR(Circle Tactics Grey Wolf Optimizer with SVR)对滑坡周期项进行预测;最后采用时间序列加法模型求出累计位移预测序列,并采用灰色预测的后验证差校验和小概率误差对模型进行评价。实验结果表明,与GA-SVR和GWO-SVR模型相比,CTGWO-SVR的预测精度更高,拟合度达到0.979,均方根误差分别减小了51.47%与59.25%,预测精度等级为一级,可满足滑坡预测的实时性和准确性要求。

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Logistic回归和支持向量机的早发性结直肠癌风险预测模型

目的:通过Logis tic回归和支持向量机(SVM)探究早发性结直肠癌(EOCRC)和晚发性结直肠癌(LOCRC)的危险因素,建立针对不同年龄段人群的风险预测模型并比较预测效果。方法:选择2012—2022年诊断为结直肠癌患者,记录人口学特征、临床表现、既往史、家族史、生活方式、体格检查、实验室检查及病理诊断,分别建立风险预测模型,比较两模型的ROC曲线下面积(AUROC)、准确率、精确率、召回率、F1分数。结果:综合两模型结果,EOCRC风险与出现消化道出血、腹胀腹痛、大便习惯改变等临床表现、体重减轻、肿瘤标志物升高具有较强的正相关性,与婚姻状况、阑尾切除史、糖尿病史、血脂异常病史、结直肠癌家族史也存在较弱的正相关;LOCRC风险与婚姻状况、出现临床表现、体重减轻、血脂异常、肿瘤标志物升高具有较强的正相关性,与年龄、吸烟、阑尾切除史、结直肠癌家族史也存在一定的正相关性。两模型的AUROC、准确率、F1分数相差不大,但Logistic回归模型的精确率更高而SVM模型的召回率更高。结论:EOCRC和LOCRC的危险因素不完全相同,婚姻状况、吸烟、血脂异常、肿瘤家族史在EOCRC中的贡献低于在LOCRC中的贡献。相较Logistic回归,SVM能发现更多的结直肠癌危险因素,能尽可能多的找出结直肠癌的可能患者。

基于变分模态分解-布谷鸟搜索-支持向量回归的变压器油中溶解气体浓度预测方法

针对电力变压器油中溶解气体浓度预测过程中存在的时间序列内部复杂和预测困难等问题,研究了时间序列分解预测重构方式,提出变分模态分解,结合布谷鸟搜索-支持向量回归组合预测方法。首先采用VMD将原始溶解气体浓度分解成为一组平稳的模态分量,降低了预测的复杂度。之后利用预测性能较好的SVR对各个模态分量分别进行预测。最后使用CS开展全局搜索对SVR参数进行优化选取,将得到的溶解气体浓度预测结果进行叠加重构。通过对油中溶解气体中H_(2)的仿真实验,得到VMD-CS-SVR组合模型预测结果的均方根误差为0.124μL/L,平均绝对百分比误差为1.19%,有效提升了预测精度。通过对CO和C 2H 4建模预测,进一步验证了本文所提模型的有效性。

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。