共查询到20条相似文献，搜索用时 234 毫秒
1.
杜锦程吴福森陈丙三 《福建工程学院学报》2021,(1):12-18
以探索概率筛振动参数与筛分效率之间的关系,为概率筛结构的进一步改进提供指导意义为研究目的,将LS-SVM分类算法引入自同步概率筛筛分效率预测建模,探讨LS-SVM建模的可行性。基于各个不同的应用领域,可以构造不同的核函数,针对核函数需要优化特征参数的问题,应用网格搜索和交叉验证算法,对核参数的选择进行优化。通过研究得出用多项式(Poly)核函数建模对预测样本的最高预测识别率达到96.7%,采用RBF核函数建模对预测样本达到了零错分率,表明将LS-SVM算法引入概率筛筛分效率预测建模是可行的。 相似文献
2.
根据油罐故障分析,建立了油罐故障诊断模型。采用新型的支持向量机-最小二乘向量机(LS-SVM)的算法对此诊断模型进行预测,获得了满意的效果。该方法易于使用,很少受不确定性因素的影响,有很高的预测准确性。 相似文献
3.
4.
提出一种基于最小二乘支持向量机(LS-SVM)的福房指数预测方法.采用感知机核函数、多项式核函数和高斯核函数进行仿真模拟,经过参数选优建立了精度较高的福房指数预测模型.预测结果表明,利用LS-SVM模型进行预测具有误差小、拟合程度高等优点,可适用于房地产价格指数的预测. 相似文献
5.
6.
7.
为了准确预测交通流量,提出了一种基于改进型支持向量机算法的短时交通流量预测方法。支持向量机对训练样本进行学习后,可以形成影响因素与影响结果之间的最优函数,进而根据实时交通状态对交通流量进行非线性回归预测。为了提高预测精度,使用QPSO算法优化了支持向量机的参数,并进行了滤波处理以减小模型误差。仿真结果显示,实际预测误差小于10%。 相似文献
8.
提出一种基于粒子群优化算法优化相关参数的最小二乘支持向量机(LS-SVM)的字符识别模型.利用相关的字符数据,分别使用本方法和基于网格搜索的最小二乘支持向量机方法进行识别.仿真结果表明,该方法的精确度高于其它两种方法. 相似文献
9.
铁路客运量数据受多种因素影响而呈现出非线性等特点,为了进一步提高其预测精度,文章提出了粒子群算法（ PSO）优化支持向量机（ SVM）的公路客运量预测模型。利用PSO寻优能力突出的优点,对支持向量机的参数进行了优化选择,并用优化后的支持向量机模型对公路客运量进行预测。研究结果显示,相比BP神经网络和传统的SVM预测方法,基于PSO-SVM的预测精度更高,从而表明了粒子群算法优化支持向量机的方法是有效的。 相似文献
10.
为了提高光伏发电功率的预测精度,提出一种结合变分模态分解、多策略改进的鲸鱼优化算法和极限学习机的光伏日前预测方法。利用变分模态分解影响光伏功率的关键气象因素,获得不同特征规律的本征模态分量,降解了数据的随机波动性,减少了噪声的影响。引入鲸鱼优化算法,利用多策略改进的鲸鱼优化算法(MWOA)对ELM模型的权重和偏置系数进行优化,获得最终的光伏功率预测结果。仿真结果验证了所提方法的有效性与优越性。 相似文献
11.
针对网络流量高度自相关、随机性和非线性等时间序列特征,采用支持向量机（SVM）模型进行预测。针对SVM模型中参数难以确定的问题,采用粒子群（PSO）算法进行参数寻优,保证预测的精确度。将PSO—SVM模型预测结果与ARIMA自回归移动平均模型、BP神经网络模型预测结果进行比对,PSO—SVM模型具有更高的预测精度,能够更好地反映网络流量的变化规律。 相似文献
12.
XU Ou-guan SU Hong-ye MU Sheng-jing CHU Jian 《浙江大学学报(A卷英文版)》2006,7(11):1932-1941
INTRODUCTION Residua catalytic cracking (RCC) is a process in which crude oil fractions are cracked into more valuable lighter products in a riser reactor with flu- idized catalyst. The complexity of charge stocks make it extremely infeasible to characterize and de- scribe at a molecular level, so attempts have been made to lump large numbers of chemical compounds into a kinetic species to describe the complex reac- tions in the process (Wei and Kuo, 1969; Kuo and Wei, 1969). Some early… 相似文献
13.
14.
Establishing an accurate in situ stress field is important for analyzing the rock-mass stability of the underground cavern at the Huangdeng hydropower station in China. Because of the complexity and importance of the in situ stress field, existing back analysis methods do not provide the necessary accuracy or sufficiently recognize nonlinear relations between the distribution of the in situ stress field and its formative factors. Those factors are related to the geological structures of high compressive tectonic stress regimes, including geological faults and tuff interlayers. The new two-stage optimization algorithm proposed in this paper is a combination of stepwise regression (SR), difference evolution (DE), support vector machine (SVM), and numerical analysis techniques. Stepwise regression is used to find the set of unknown parameters that best match the modeling prediction and determine the range of parameters to be recognized. Difference evolution is used to determine the optimum parameters of the SVM. The SVM is used to create the DE-SVM nonlinear reflection model to obtain the optimal values of the parameters from measured stress data. We compare the new two-stage optimization algorithm to other two popular methods, a multiple linear regression (MLR) analysis method and an artificial neural network (ANN) method, to estimate the in situ stress field for the actual underground cavern at the Huangdeng hydropower station. The two-stage optimization algorithm produces a more realistic estimate of the stress distribution within the investigated area. Thus, this technique may have practical applications in realistic scenarios requiring efficient and accurate estimations of the in situ stress in a rock-mass. 相似文献
15.
针对滚动轴承故障分类准确率低的问题,提出一种利用遗传算法结合粒子群算法优化支持向量机分类器的故障诊断方法.实验通过提取滚动轴承不同故障状态下的振动信号,以转化成时域和频域组成的特征集为特征向量,利用粒子群生成二维粒子,即惩罚因子C、核函数参数G,并喂入支持向量机进行训练和交叉验证,取最优适应度对应的粒子,进而构建遗传粒... 相似文献
16.
船体外板复杂曲面自动化加工一直是船舶制造业研究热点和难点,由于加工过程中船板变形影响因素过多,导致船板加工变形预测一直不够准确快速。鉴于此,将两种复合变量用来表征加工过程中热源对应的众多加工参数,采用人工鱼群算法（AFSA）优化的支持向量机（SVM）预测船板变形。经实验验证,复合参数输入的AFSA-SVM模型预测船体外板水火线加热工艺变形线平均精确度为99.87%,角变形平均精确度为99.53%,且全局最优。将其与传统的PSO-SVM模型对比,不仅精确度有了提高,而且避免了局部极值导致的部分预测结果误差过大情况。 相似文献
17.
1 Introduction Support vector machine (SVM) is a powerful ma-chine learning tool capable of representing non-linearrelationships and producing models that generalizeswell to unseen data .SVMhave been applied widelyinmany fields[1]such as hand-written character recogni-tion ,text categorization,computer vision,speechrec-ognition and gene classification,etc. Despite this , using an SVM requires a certainamount of model selection,i.e.,selection of the ac-tual kernel and its parameters .In rec… 相似文献
18.
网络安全状态数据具有数据量大、特征数目繁多以及连续型属性多等特点.态势预测问题可转化为海量数据的预测问题.以网络安全态势研究为应用背景,提出了一种基于改进的粒子群优化算法来优化反向传播神经网络的态势预测模型.利用IPSO内在的隐并行性和很好的全局寻优能力对BP网络的权值和阈值进行优化并建立预测模型对网络安全态势进行预测.仿真实验证明其改善了传统BP网络在预测应用中的不足,有效提高了态势预测的精准度. 相似文献
19.
为了提高电动车铅酸蓄电池的电池荷电状态(SOC)预测精度,将粒子优化算法(PSO)引入到支持向量机(SVM)中,建立了PSO-SVM电动车铅酸蓄电池SOC预测模型,模型输入量为电池的电压和电流,输出量为SOC。采用PSO算法对SVM的惩罚因子C和径向基函数宽度σ寻优,降低了SVM参数取值的盲目性,提高了预测精度。设计了铅酸蓄电池数据智能采集系统,并进行了实际运行车辆电池数据采集。在advisor2002软件中获取的电池数据和实际车辆电池运行数据的基础上,进行了模型训练和预测。结果表明,PSO-SVM预测模型相对传统的BP、RBF和SVM预测模型具有更好的精度和推广能力,满足了"SOC估算精度小于5%"的要求,从而表明该模型是有效的、可行的,并具有较好的工程实用价值。 相似文献
20.
传统自动柜员机（ATM）监控系统以摄像为主,不能及时检测用户身份是否异常。提出一种基于行为特征的ATM机用户身份实时识别方法,采集用户输入密码时的触屏行为特征数据,通过SVM分类算法判断该用户行为是否属于合法用户。该方法不仅要求用户输入的账户密码正确,还要求该用户的行为特征与预设定的合法用户行为特征一致。实验结果表明,通过数据预处理和SVM分类算法参数优化后的ATM机用户身份识别系统识别精确度达到97.9769%,比没通过数据预处理和SVM分类算法参数优化后的识别精确度高出4.5769%。 相似文献