基于小波散射变换的煤矿瓦斯和煤尘爆炸声音识别方法

为解决煤矿瓦斯与煤尘爆炸灾害报警方法误报率和漏报率高等问题,提高煤矿瓦斯和煤尘爆炸感知准确率,提出了基于小波散射变换的煤矿瓦斯和煤尘爆炸声音识别方法:在煤矿井下重点监测区域安装矿用拾音设备,实时采集设备工作声音和环境音;将采集到的声音通过小波散射变换得到小波散射系数,构建声音信号的小波散射系数图,通过计算小波散射系数图的图像灰度梯度共生矩阵得到由小梯度优势、大梯度优势、能量、灰度平均、梯度平均、灰度均方差、梯度均方差、相关性、灰度熵、梯度熵、混合熵等构成的十一维特征参数,构成表征该声音信号的特征向量,输入到支持向量机(SVM)中训练得到煤矿瓦斯和煤尘爆炸声音识别模型;对待测声音信号同样提取其小波散射系数图的灰度梯度共生矩阵得到十一维特征向量,输入到训练好的煤矿瓦斯和煤尘爆炸声音识别模型中进行声音识别分类,并进行试验验证。采取声音信号的特征提取试验,分析了不同声音的小波散射图及其特征参数分布特点,瓦斯和煤尘爆炸声音的小波散射系数图及其十一维特征向量与煤矿井下其他声音差异明显,证明了所提特征提取方法的可行性;通过贝叶斯优化完成支持向量机超参数优化试验,选取更符合训练模型的超参数,识别试验结果表明,所提方法的识别率为95.77%,明显优于其他对比算法,能够满足煤矿瓦斯和煤尘爆炸识别的需求。

基于共享最小二乘支持向量机模型的电站锅炉燃烧系统的优化

电站锅炉燃烧系统是一个复杂的多输入多输出系统,为了在同一个模型中实现高效率、低污染物排放的优化目标,对标准最小二乘支持向量机回归方法进行了扩展.借助某电厂1 000MW超超临界锅炉的现场燃烧调整试验数据,建立了以锅炉热效率和NOx排放质量浓度为输出的共享最小二乘支持向量机(LSSVM)模型,采用一种改进的粒子群算法对共享模型中的锅炉运行工况进行了寻优.结果表明:在共享LSSVM模型中,锅炉热效率和NOx排放质量浓度的平均预测误差分别可达到0.028%和2.16%,搜索得到的高效率和低NOx排放的参数组合可为电站锅炉优化运行提供指导.

钢管混凝土徐变效应随机性灵敏度分析

针对钢管混凝土徐变的随机性,利用支持向量机回归拟合钢管混凝土徐变效应的显式函数计算随机变量的灵敏度系数,并结合蒙特卡洛法进行随机性分析;采用自适应混合粒子群法优化支持向量机相关参数的取值以提高计算效率;对2个钢管混凝土徐变模型试验构件进行徐变随机性分析,并将计算结果与蒙特卡洛法计算结果进行对比验证了该方法的可行性;同时分析了钢管混凝土徐变效应各影响因素的灵敏度。结果表明:基于支持向量机与蒙特卡洛法对钢管混凝土轴压构件徐变随机性的分析结果与蒙特卡洛法分析结果相比相对误差较小;钢管混凝土徐变效应呈现随机性,概率密度曲线近似于正态分布。

基于迭代加权l_1正则化的分布式联合稀疏优化

多测量向量模型中的联合稀疏信号重构是压缩感知理论中的重要研究内容。针对分布式网络中的联合稀疏优化问题,给出了一种基于迭代加权l1正则化的分布式联合稀疏优化算法。该算法采用迭代加权l1正则化算法提高稀疏信号的重构质量,然后将与联合支撑相关的加权向量作为一致性约束,采用交替方向乘子法求解一致优化问题来更新加权向量。该分布式联合稀疏优化算法通过每个节点的稀疏优化以及单跳邻居节点间的信息交换达到集中式优化的性能,避免了数据集中带来的网络通信负担。仿真结果表明,给出的分布式联合稀疏优化算法具有良好的重构性能和较快的收敛速度。

改进和声搜索算法优化LSSVM的脑CT图像分类

为了提高脑CT图像的分类正确率,针对分类器中的最小二乘支持向量机(LSSVM)参数优化问题,提出一种改进和声搜索算法优化LSSVM的脑CT图像分类模型(IHS-LSSVM)。将LSSVM参数看作不同乐器的声调组合,通过和声搜索算法的"调音"找到最优参数,并在寻优过程中引入粒子群算法的最优位置更新策略,增强了算法跳出局部极小值的能力,根据最优参数建立脑CT图像分类模型,并对模型的性能进行仿真测试。仿真结果表明,相对于对比模型,IHS-LSSVM不仅提高了脑CT图像分类正确率,而且加快分类速度,是一种有效的脑CT图像分类模型。

基于向量序优化的含分布式电源的配电网规划

分布式发电的快速发展以及用户对电能质量的要求愈发严格,为分布式电源接入下的配电网规划带来了新挑战。提出了一种基于向量序优化的配电网分布式电源规划方法。首先构建考虑电压质量和投资成本的配电网分布式电源规划模型;然后引入序优化理论与帕累托博弈方法,在电压质量与投资费用的博弈过程中对规划方案进行排序分层;最终借助线性隶属度函数在帕累托前沿中求得折衷最优解,并以Matpower Case 30节点的配电网系统为算例进行仿真验证。结果表明,文中方法可以实现电压质量和投资成本的统筹协调,能够在提升规划方案经济性的同时保证系统的电压水平。

建筑安全投入的GWO-SVR模型构建与实证分析

为解决建筑施工企业普遍存在的安全投入指标优化效果不佳、决策过程不确定的问题,提出一种基于灰狼算法与支持向量机(GWO-SVR)的安全投入结构优化模型。基于事故经济损失评估理论确定事故经济损失,并将安全投入划分为安全防护、安全技术、安全教育、应急处置、日常安全管理5项投入,应用改进的支持向量机(SVR)对事故经济损失与安全投入进行非线性回归并得到回归方程。以事故经济损失最低为目标,采用经灰狼算法(GWO)优化的SVR进行迭代寻优,得到最佳的安全投入配置。结果表明:基于GWO改进的建筑安全投入SVR模型,能给出更趋合理的安全投入指标分配,企业的事故经济损失较模型使用前降低了13.79%。该模型可为建筑施工企业制定安全投入方案及提升安全决策效率提供技术参考。

相关向量机理论在大坝变形监测模型中的方法研究

建立有效的大坝变形监测模型可以反映大坝运行情况.相关向量机(RVM)具有良好的泛化能力,且适于解决非线性问题,尤其是高维数情况.在RVM理论的基础上,建立大坝变形监测模型,并以此研究其优化改进模型.改进思路如下:利用马尔科夫链适于解决监测数据波动大的优势处理模型残差;同时如何选择核参数会严重影响RVM模型的精度,采用一种改进的粒子群算法寻优核参数.通过实例比较多种优化模型发现,基于RVM理论建立模型的优化方法可大大提高预测的泛化能力及精度.