更新日期: 2025-04-08

基于粒子群優(yōu)化支持向量機的電纜溫度計算

格式:pdf

大?。?span id="7h4zaft" class="single-tag-height" data-v-09d85783>4.5MB

頁數(shù):7P

人氣 :81

基于粒子群優(yōu)化支持向量機的電纜溫度計算 4.5

導(dǎo)體溫度是影響運行電纜使用壽命和材料利用率的最主要因素,也是反映電纜運行狀態(tài)的參數(shù).由于技術(shù)上尚難以實現(xiàn)對運行電纜導(dǎo)體溫度的直接測量,因此有必要進(jìn)行導(dǎo)體溫度計算.文中以電流和外皮溫度作為模型輸入,以導(dǎo)體溫度作為模型輸出,構(gòu)建基于支持向量機的電纜暫態(tài)導(dǎo)體溫度的數(shù)學(xué)模型;為提高該模型計算的精度,避免盲目選取訓(xùn)練參數(shù),引入粒子群算法對其懲罰因子C和核參數(shù)γ進(jìn)行尋優(yōu).仿真與試驗對比結(jié)果表明:基于粒子群優(yōu)化的支持向量機模型(PSO-SVM模型)可以用于電纜暫態(tài)導(dǎo)體溫度計算,且計算誤差小于熱路模型和BP神經(jīng)網(wǎng)絡(luò);模型具有良好的泛化能力.

基于粒子群優(yōu)化支持向量機的電梯故障診斷??

基于粒子群優(yōu)化支持向量機的電梯故障診斷??

格式:pdf

大?。?span id="msy7j9a" class="single-tag-height" data-v-09d85783>620KB

頁數(shù):5P

電梯故障時,具有故障特征提取困難和故障類型識別率低的問題。因此,擬提取其振動信號并進(jìn)行分析,找到故障特征。然而,鑒于其振動信號為非平穩(wěn)、非高斯且背景噪聲較大的信號,給有效辨識造成很大困難,所以,提出應(yīng)用最優(yōu)小波包分解和最小二乘支持向量機相結(jié)合進(jìn)行電梯智能故障診斷的方法。借助最優(yōu)小波包理論,首先提取電梯故障振動信號的能量分布;然后將其能量分布與時域指標(biāo)相結(jié)合,構(gòu)造故障特征向量;最后,將故障特征向量作為粒子群算法優(yōu)化最小二乘支持向量機的輸入對電梯故障類型進(jìn)行識別。仿真結(jié)果表明,最優(yōu)小波包理論與最小二乘支持向量機相結(jié)合的故障診斷技術(shù)發(fā)揮了兩者的優(yōu)勢,證明了該方法的有效性和實用性。

基于粒子群優(yōu)化支持向量機的電梯故障診斷

基于粒子群優(yōu)化支持向量機的電梯故障診斷

格式:pdf

大?。?span id="vq71kf2" class="single-tag-height" data-v-09d85783>620KB

頁數(shù):5P

電梯故障時,具有故障特征提取困難和故障類型識別率低的問題。因此,擬提取其振動信號并進(jìn)行分析,找到故障特征。然而,鑒于其振動信號為非平穩(wěn)、非高斯且背景噪聲較大的信號,給有效辨識造成很大困難,所以,提出應(yīng)用最優(yōu)小波包分解和最小二乘支持向量機相結(jié)合進(jìn)行電梯智能故障診斷的方法。借助最優(yōu)小波包理論,首先提取電梯故障振動信號的能量分布;然后將其能量分布與時域指標(biāo)相結(jié)合,構(gòu)造故障特征向量;最后,將故障特征向量作為粒子群算法優(yōu)化最小二乘支持向量機的輸入對電梯故障類型進(jìn)行識別。仿真結(jié)果表明,最優(yōu)小波包理論與最小二乘支持向量機相結(jié)合的故障診斷技術(shù)發(fā)揮了兩者的優(yōu)勢,證明了該方法的有效性和實用性。

編輯推薦下載

基于粒子群優(yōu)化支持向量機的建筑室內(nèi)溫度預(yù)測模型

基于粒子群優(yōu)化支持向量機的建筑室內(nèi)溫度預(yù)測模型

格式:pdf

大?。?span id="71m4yb2" class="single-tag-height" data-v-09d85783>1.4MB

頁數(shù):3P

基于粒子群優(yōu)化支持向量機的建筑室內(nèi)溫度預(yù)測模型 4.5

建筑系統(tǒng)是一個滯后系統(tǒng),對下一時刻室內(nèi)溫度的預(yù)測可以指導(dǎo)樓宇閥門的開關(guān),從而在保證用戶熱舒適性的同時節(jié)約能源。但是,建筑室內(nèi)溫度受室外氣象因素、歷史溫度等多種非線性因素的影響,機理建模困難。針對以上問題,先確定輸入、輸出樣本,建立支持向量機模型;然后采用粒子群優(yōu)化(pso)算法對svm的核參數(shù)和懲罰因子進(jìn)行動態(tài)尋優(yōu),建立pso-svm預(yù)測模型;最后,在matlab實驗平臺上進(jìn)行仿真實驗。實驗結(jié)果表明,經(jīng)過粒子群優(yōu)化的支持向量機預(yù)測模型的精度提高至0.6%,可以準(zhǔn)確指導(dǎo)樓宇閥門的開關(guān)。

立即下載
基于粒子群支持向量機的軌道電路故障診斷??

基于粒子群支持向量機的軌道電路故障診斷??

格式:pdf

大?。?span id="7qknbav" class="single-tag-height" data-v-09d85783>2.9MB

頁數(shù):4P

基于粒子群支持向量機的軌道電路故障診斷?? 4.8

支持向量機(svm)是-種解決小樣本分類問題的最佳理論算法,它的核函數(shù)的參數(shù)選擇非常重要,直接影響著故障診斷的準(zhǔn)確率.本文將粒子群算法(pso)用于支持向量機的參數(shù)優(yōu)化,提出基于粒子群支持向量機的故障診斷模型,并將其運用于軌道電路中.通過對比matlab仿真結(jié)果得出:經(jīng)過粒子群尋優(yōu)得到的參數(shù)比隨機選取的參數(shù)更優(yōu),所建立的pso-svm模型的故障診斷準(zhǔn)確率高于普通的svm模型.

立即下載

粒子群優(yōu)化支持向量機的電纜溫度計算熱門文檔

相關(guān)文檔資料 1203832 立即查看>>
粒子群算法優(yōu)化支持向量機的建筑施工項目風(fēng)險評估

粒子群算法優(yōu)化支持向量機的建筑施工項目風(fēng)險評估

格式:pdf

大?。?span id="xl4jjou" class="single-tag-height" data-v-09d85783>579KB

頁數(shù):4P

粒子群算法優(yōu)化支持向量機的建筑施工項目風(fēng)險評估 4.8

為了提高建筑施工項目風(fēng)險評估的準(zhǔn)確性,建立建筑施工項目風(fēng)險評估指標(biāo)體系,并對最佳懲戒參數(shù)和核函數(shù)因子進(jìn)行優(yōu)化,采用粒子群算法優(yōu)化支持向量機建立了建筑施工項目風(fēng)險評估模型.采用建筑施工項目風(fēng)險數(shù)據(jù)進(jìn)行了評估測試,結(jié)果表明,該模型解決了支持向量機參數(shù)優(yōu)化的問題,可以獲得理想的建筑施工項目風(fēng)險評估結(jié)果.

立即下載
混沌粒子群算法優(yōu)化最小二乘支持向量機的混凝土強度預(yù)測 混沌粒子群算法優(yōu)化最小二乘支持向量機的混凝土強度預(yù)測 混沌粒子群算法優(yōu)化最小二乘支持向量機的混凝土強度預(yù)測

混沌粒子群算法優(yōu)化最小二乘支持向量機的混凝土強度預(yù)測

格式:pdf

大?。?span id="qio7yfe" class="single-tag-height" data-v-09d85783>1.0MB

頁數(shù):6P

混沌粒子群算法優(yōu)化最小二乘支持向量機的混凝土強度預(yù)測 4.4

為了獲得更理想的混凝土強度預(yù)測結(jié)果,提出一種混沌粒子群算法優(yōu)化最小二乘支持向量機(lssvm)的混凝土強度預(yù)測模型。首先采集混凝土強度數(shù)據(jù),并進(jìn)行歸一化處理。然后采用lssvm對混凝土強度與影響因子之間的變化關(guān)系進(jìn)行建模,并采用混沌粒子群算法搜索最優(yōu)lssvm參數(shù)。最后采用具體混凝土強度預(yù)測實例對其性能進(jìn)行分析。結(jié)果表明,本文模型可以準(zhǔn)確描述混凝土強度與影響因子間的變化關(guān)系,提高了混凝土強度預(yù)測精度,具有一定的實際應(yīng)用價值。

立即下載
改進(jìn)粒子群算法和最小二乘支持向量機的電力負(fù)荷預(yù)測 改進(jìn)粒子群算法和最小二乘支持向量機的電力負(fù)荷預(yù)測 改進(jìn)粒子群算法和最小二乘支持向量機的電力負(fù)荷預(yù)測

改進(jìn)粒子群算法和最小二乘支持向量機的電力負(fù)荷預(yù)測

格式:pdf

大?。?span id="dqpo9yi" class="single-tag-height" data-v-09d85783>1.7MB

頁數(shù):4P

改進(jìn)粒子群算法和最小二乘支持向量機的電力負(fù)荷預(yù)測 4.6

針對最小二乘支持向量機在電力負(fù)荷預(yù)測應(yīng)用中的參數(shù)優(yōu)化問題,將改進(jìn)粒子群算法引入到最小二乘支持向量機參數(shù)中,建立一種新型的電力負(fù)荷預(yù)測模型(ipso-lssvm)。首先將最小二乘支持向量機參數(shù)編碼為粒子初始位置向量;然后通過粒子個體之間的信息交流、協(xié)作找到最小二乘支持向量機的最優(yōu)參數(shù),并針對標(biāo)準(zhǔn)粒子群算法的不足進(jìn)行相應(yīng)改進(jìn);最后將其應(yīng)用于電力負(fù)荷建模與預(yù)測,并通過仿真對比實驗測試其性能。實驗結(jié)果表明,ipso-lssvm可以獲得較高準(zhǔn)確度的電力負(fù)荷預(yù)測結(jié)果,大幅度減少了訓(xùn)練時間,滿足電力負(fù)荷在線預(yù)測要求。

立即下載
基于支持向量機-粒子群算法的山區(qū)公路隧道造價預(yù)測 基于支持向量機-粒子群算法的山區(qū)公路隧道造價預(yù)測 基于支持向量機-粒子群算法的山區(qū)公路隧道造價預(yù)測

基于支持向量機-粒子群算法的山區(qū)公路隧道造價預(yù)測

格式:pdf

大?。?span id="cba4dcq" class="single-tag-height" data-v-09d85783>128KB

頁數(shù):4P

基于支持向量機-粒子群算法的山區(qū)公路隧道造價預(yù)測 4.7

采用最小二乘支持向量機(lssvm)與粒子群優(yōu)化算法(pso)相結(jié)合的方法,以隧道工程分項工程技術(shù)指標(biāo)為基本參數(shù),對山區(qū)高速公路隧道工程造價進(jìn)行管理和預(yù)測,基于支持向量機算法實現(xiàn)山區(qū)高速公路中隧道的工程特性與各分項工程造價指標(biāo)之間的復(fù)雜非線性映射。建立的造價預(yù)測模型估算得到的造價與樣本的實際造價誤差可控制在10%的范圍內(nèi),說明該預(yù)測模型可用于山區(qū)高速公路的隧道工程造價估算,并為公路工程造價人員提供了一種實用的工具和方法。

立即下載
外皮溫度監(jiān)測的單芯電纜暫態(tài)溫度計算與試驗 外皮溫度監(jiān)測的單芯電纜暫態(tài)溫度計算與試驗 外皮溫度監(jiān)測的單芯電纜暫態(tài)溫度計算與試驗

外皮溫度監(jiān)測的單芯電纜暫態(tài)溫度計算與試驗

格式:pdf

大?。?span id="chqbelt" class="single-tag-height" data-v-09d85783>1.2MB

頁數(shù):6P

外皮溫度監(jiān)測的單芯電纜暫態(tài)溫度計算與試驗 4.5

導(dǎo)體溫度是反映電纜運行狀態(tài)的關(guān)鍵因素,因而有必要實現(xiàn)對它的監(jiān)控。實際中對運行電纜導(dǎo)體溫度的直接測量難以實現(xiàn),工程中常采用計算的方式來獲取,而復(fù)雜多變的電纜外部因素使得對導(dǎo)體溫度的精確計算也非常困難。為此,在電纜外皮溫度監(jiān)測的基礎(chǔ)上,建立了單芯電纜暫態(tài)熱路的數(shù)學(xué)模型;分別推導(dǎo)出只考慮電流變化和只考慮表皮溫度變化兩種情況下的暫態(tài)溫升遞推公式,進(jìn)而推導(dǎo)出單芯電纜暫態(tài)溫度的完整疊加公式;并采用經(jīng)典4階runge-kutta法求解微分方程組計算電纜本體溫度。同時編制了電纜暫態(tài)計算軟件,可根據(jù)電纜外皮溫度的監(jiān)測,計算電纜導(dǎo)體和金屬護(hù)套暫態(tài)溫度。為驗證暫態(tài)模型和軟件編制的正確性,在試驗現(xiàn)場進(jìn)行了單芯電纜暫態(tài)溫升試驗,并將計算結(jié)果與試驗測得的溫度數(shù)據(jù)進(jìn)行了對比驗證。結(jié)果表明,基于電纜外皮溫度監(jiān)測的單芯電纜暫態(tài)溫度計算具有較高的精度,可用于單芯電纜實際運行中的溫度控制、電纜狀態(tài)監(jiān)測及其故障預(yù)警等方面。

立即下載

粒子群優(yōu)化支持向量機的電纜溫度計算精華文檔

相關(guān)文檔資料 1203832 立即查看>>
基于支持向量機的空調(diào)控溫過程實時預(yù)測

基于支持向量機的空調(diào)控溫過程實時預(yù)測

格式:pdf

大?。?span id="a2hchyi" class="single-tag-height" data-v-09d85783>466KB

頁數(shù):3P

基于支持向量機的空調(diào)控溫過程實時預(yù)測 4.7

分析了空調(diào)工作過程中溫度控制的重要性與傳統(tǒng)方法的不足,將基于統(tǒng)計學(xué)習(xí)理論的支持向量機方法用于控溫過程中,對溫度進(jìn)行實時預(yù)測。采用數(shù)字實驗對所提方法的可行性進(jìn)行驗證,結(jié)果表明該方法可以獲得比傳統(tǒng)方法更高的預(yù)測精度,實時性較高,能為空調(diào)控溫系統(tǒng)提供更好的決策支持,具有較大的發(fā)展?jié)摿蛯嵱脙r值。

立即下載
基于支持向量機的空調(diào)控溫過程實時預(yù)測

基于支持向量機的空調(diào)控溫過程實時預(yù)測

格式:pdf

大?。?span id="gmlk7je" class="single-tag-height" data-v-09d85783>181KB

頁數(shù):3P

基于支持向量機的空調(diào)控溫過程實時預(yù)測 3

基于支持向量機的空調(diào)控溫過程實時預(yù)測——文章分析了空調(diào)工作過程中溫度控制的重要性與傳統(tǒng)方法的不足,將基于統(tǒng)計學(xué)習(xí)理論的支持向量機方法用于控溫過程中,對溫度進(jìn)行實時預(yù)測。采用數(shù)字實驗對所提方法的可行性進(jìn)行驗證,結(jié)果表明該方法可以獲得比傳統(tǒng)方法更...

立即下載
XLPE電纜線芯溫度計算方法研究 XLPE電纜線芯溫度計算方法研究 XLPE電纜線芯溫度計算方法研究

XLPE電纜線芯溫度計算方法研究

格式:pdf

大?。?span id="sqs7b9t" class="single-tag-height" data-v-09d85783>271KB

頁數(shù):4P

XLPE電纜線芯溫度計算方法研究 4.7

為實時掌握交聯(lián)聚乙烯(xlpe)配電電纜的運行狀態(tài)及其載流量,對電纜線芯溫度的計算方法進(jìn)行了研究。針對配電電纜敷設(shè)距離較短的特點建立了單芯電纜集中參數(shù)穩(wěn)態(tài)等效熱路模型,并推導(dǎo)出線芯溫度計算公式,通過實驗驗證了計算方法的有效性,同時對考慮暫態(tài)過程的電纜線芯溫度計算方法進(jìn)行了討論,為電纜運行狀態(tài)的在線監(jiān)測提供了參考。

立即下載
基于遺傳算法優(yōu)化支持向量機的電梯故障診斷

基于遺傳算法優(yōu)化支持向量機的電梯故障診斷

格式:pdf

大?。?span id="kic2hil" class="single-tag-height" data-v-09d85783>387KB

頁數(shù):5P

基于遺傳算法優(yōu)化支持向量機的電梯故障診斷 4.6

針對電梯的幾種常見故障,論文采用了最小二乘支持向量機(ls-svm)診斷的方法。采集電梯幾種故障狀態(tài)下的振動信號,用最優(yōu)小波包的理論分析計算故障振動信號的能量分布,將其能量分布與時域指標(biāo)相結(jié)合,以構(gòu)造故障特征向量,作為ls-svm的輸入來識別電梯的故障原因,并采用遺傳算法優(yōu)化ls-svm的相關(guān)參數(shù)。通過對電梯六種常見故障的診斷結(jié)果表明,基于遺傳算法優(yōu)化的最小二乘支持向量機用于電梯故障診斷是一種有效的方法。

立即下載
地下電力電纜溫度場及載流量的數(shù)值計算

地下電力電纜溫度場及載流量的數(shù)值計算

格式:pdf

大小:1.4MB

頁數(shù):4P

地下電力電纜溫度場及載流量的數(shù)值計算 4.8

地下電力電纜溫度場及載流量的數(shù)值計算

立即下載

粒子群優(yōu)化支持向量機的電纜溫度計算最新文檔

相關(guān)文檔資料 1203832 立即查看>>
電纜導(dǎo)體溫度計算中環(huán)境因素敏感性分析 電纜導(dǎo)體溫度計算中環(huán)境因素敏感性分析 電纜導(dǎo)體溫度計算中環(huán)境因素敏感性分析

電纜導(dǎo)體溫度計算中環(huán)境因素敏感性分析

格式:pdf

大?。?span id="uxo7uxa" class="single-tag-height" data-v-09d85783>154KB

頁數(shù):2P

電纜導(dǎo)體溫度計算中環(huán)境因素敏感性分析 4.4

電力電纜導(dǎo)體的溫度是決定其載流容量的依據(jù),載流容量是電纜的一個重要的參數(shù)。當(dāng)載流容量太大,電纜導(dǎo)體的溫度過高時,將縮短其絕緣的壽命,并且可能導(dǎo)致其熱擊穿和電力系統(tǒng)的重大經(jīng)濟損失。當(dāng)載流容量過低,核心材料銅或鋁未得到充分利用。因為成本高,投資大,不便維護(hù),準(zhǔn)確地確定導(dǎo)線溫度和電纜載流容量具有重要意義,以確保其安全、可靠、經(jīng)濟運行。一般來說,可采用iec60287標(biāo)準(zhǔn)

立即下載
溝槽電纜溫度場和載流量的數(shù)值計算 溝槽電纜溫度場和載流量的數(shù)值計算 溝槽電纜溫度場和載流量的數(shù)值計算

溝槽電纜溫度場和載流量的數(shù)值計算

格式:pdf

大?。?span id="tuxvy7u" class="single-tag-height" data-v-09d85783>448KB

頁數(shù):6P

溝槽電纜溫度場和載流量的數(shù)值計算 4.5

溝槽敷設(shè)方式下電纜附近的溫度場同時受到周圍空氣、周圍土壤和地表空氣的影響,對其溫度場的分析有助于準(zhǔn)確確定溝槽電纜的載流量。該溫度場中的熱傳遞過程是流固耦合的,固體區(qū)域用熱傳導(dǎo)微分方程描述,溝槽內(nèi)空氣采用動量方程、能量方程和連續(xù)性方程與熱輻射方程描述,流體和固體間熱傳遞采用迭代法求解。采用三維有限元和渦量-流函數(shù)耦合求解上述熱擴散方程,求得整個場域的溫度場分布圖和溝槽內(nèi)空氣層的流動方程,然后利用迭代法計算溝槽內(nèi)電纜的載流量,直到導(dǎo)體溫度為363k。計算結(jié)果顯示,溝槽內(nèi)存在較強的空氣自然對流散熱,溝槽內(nèi)單根400mm2yjv22xlpe電力電纜的載流量為825a,比直埋載流量提高了30%,比排管敷設(shè)載流量提高了51.9%。研究結(jié)果表明利用有限元和渦量-流函數(shù),可以準(zhǔn)確計算溝槽敷設(shè)電纜群的流場和溫度場分布,從而準(zhǔn)確計算溝槽敷設(shè)電纜的載流量。

立即下載
混凝土拌和溫度和澆筑溫度計算混凝土拌和溫度計算

混凝土拌和溫度和澆筑溫度計算混凝土拌和溫度計算

格式:pdf

大?。?span id="pkq7fel" class="single-tag-height" data-v-09d85783>938KB

頁數(shù):4P

混凝土拌和溫度和澆筑溫度計算混凝土拌和溫度計算 4.4

混凝土拌和溫度和澆筑溫度計算混凝土拌和溫度計算 混凝土加冰拌和溫度計算 混凝土澆筑溫度計算

立即下載
預(yù)埋管地下電纜溫度場和載流量的數(shù)值計算 預(yù)埋管地下電纜溫度場和載流量的數(shù)值計算 預(yù)埋管地下電纜溫度場和載流量的數(shù)值計算

預(yù)埋管地下電纜溫度場和載流量的數(shù)值計算

格式:pdf

大?。?span id="m72wiz2" class="single-tag-height" data-v-09d85783>730KB

頁數(shù):6P

預(yù)埋管地下電纜溫度場和載流量的數(shù)值計算 4.5

采用有限差分法,用坐標(biāo)組合的方法對土壤區(qū)域,電纜區(qū)域分別進(jìn)行計算,最終確定了任意敷設(shè)方式下電纜允許的載流量,通過當(dāng)量導(dǎo)熱系數(shù)的方法,解決了由于預(yù)埋管與電纜的偏心夾層帶來的計算上的不便,由于土壤的導(dǎo)熱系數(shù)對電纜的載流量有很大影響,為此特別搭建土壤導(dǎo)熱系數(shù)實驗臺,用于精確的測量土壤的導(dǎo)熱系數(shù)。

立即下載
基于粗糙集與支持向量機的混凝土壩施工溫度過程預(yù)測

基于粗糙集與支持向量機的混凝土壩施工溫度過程預(yù)測

格式:pdf

大?。?span id="qvtdgyx" class="single-tag-height" data-v-09d85783>1.2MB

頁數(shù):5P

基于粗糙集與支持向量機的混凝土壩施工溫度過程預(yù)測 4.5

基于徑向基核函數(shù)的支持向量機數(shù)據(jù)挖掘模型,建立大壩施工期溫度時程與相關(guān)影響因素的關(guān)聯(lián)規(guī)則,實現(xiàn)了大壩施工期溫度時程快速、實時監(jiān)測。首先,通過大壩實際澆筑數(shù)據(jù)的清洗、融合,建立大壩施工期數(shù)據(jù)庫,為模型提供數(shù)據(jù)快速提取接口。繼而,根據(jù)粗糙集屬性重要度理論進(jìn)行條件屬性約簡,剔除冗余屬性,確定輸入變量;然后,用交叉驗證算法,確定模型最優(yōu)參數(shù);最后,隨機選取142個樣本作為訓(xùn)練集建立支持向量模型,并使用模型預(yù)測剩余的35個樣本,模型預(yù)測溫度時程與實測溫度時程基本吻合,模型精度較高且穩(wěn)定性較好。

立即下載
基于粒子群算法優(yōu)化支持向量機的公路客運量預(yù)測 基于粒子群算法優(yōu)化支持向量機的公路客運量預(yù)測 基于粒子群算法優(yōu)化支持向量機的公路客運量預(yù)測

基于粒子群算法優(yōu)化支持向量機的公路客運量預(yù)測

格式:pdf

大?。?span id="wsenoay" class="single-tag-height" data-v-09d85783>189KB

頁數(shù):未知

基于粒子群算法優(yōu)化支持向量機的公路客運量預(yù)測 4.5

公路客運量數(shù)據(jù)受多種因素影響而呈現(xiàn)非線性等特點,為了提高其預(yù)測精度,文中提出粒子群算法(pso)優(yōu)化支持向量機(svm)的公路客運量預(yù)測模型,利用pso尋優(yōu)能力突出的優(yōu)點,對支持向量機的參數(shù)進(jìn)行優(yōu)化選擇,并用優(yōu)化后的支持向量機模型對公路客運量進(jìn)行預(yù)測。研究結(jié)果顯示,相比bp神經(jīng)網(wǎng)絡(luò)和傳統(tǒng)的svm預(yù)測方法,基于pso-svm的預(yù)測精度更高。

立即下載
基于粒子群算法優(yōu)化支持向量機的鐵路客運量預(yù)測模型 基于粒子群算法優(yōu)化支持向量機的鐵路客運量預(yù)測模型 基于粒子群算法優(yōu)化支持向量機的鐵路客運量預(yù)測模型

基于粒子群算法優(yōu)化支持向量機的鐵路客運量預(yù)測模型

格式:pdf

大?。?span id="zf2yakn" class="single-tag-height" data-v-09d85783>162KB

頁數(shù):未知

基于粒子群算法優(yōu)化支持向量機的鐵路客運量預(yù)測模型 4.3

鐵路客運量數(shù)據(jù)受多種因素影響而呈現(xiàn)出非線性等特點,為了進(jìn)一步提高其預(yù)測精度,文章提出了粒子群算法(pso)優(yōu)化支持向量機(svm)的公路客運量預(yù)測模型.利用pso尋優(yōu)能力突出的優(yōu)點,對支持向量機的參數(shù)進(jìn)行了優(yōu)化選擇,并用優(yōu)化后的支持向量機模型對公路客運量進(jìn)行預(yù)測.研究結(jié)果顯示,相比bp神經(jīng)網(wǎng)絡(luò)和傳統(tǒng)的svm預(yù)測方法,基于pso-svm的預(yù)測精度更高,從而表明了粒子群算法優(yōu)化支持向量機的方法是有效的.

立即下載
基于支持向量機沉沒度預(yù)測的潛油泵沖次優(yōu)化研究 基于支持向量機沉沒度預(yù)測的潛油泵沖次優(yōu)化研究 基于支持向量機沉沒度預(yù)測的潛油泵沖次優(yōu)化研究

基于支持向量機沉沒度預(yù)測的潛油泵沖次優(yōu)化研究

格式:pdf

大小:724KB

頁數(shù):7P

基于支持向量機沉沒度預(yù)測的潛油泵沖次優(yōu)化研究 4.5

在石油開采過程中,利用直線電機驅(qū)動潛油往復(fù)泵是一種新型舉升方式。這種舉升方式可使抽油機具有較好的可控性。在這一背景下,提出一種基于沉沒度預(yù)測的潛油往復(fù)泵沖次優(yōu)化方法。文中對在采油廠采集的沉沒度數(shù)據(jù)進(jìn)行時間序列的輸入空間重構(gòu),基于支持向量機(supportvectormachines,svm)建立沉沒度預(yù)測模型。以抽油機的經(jīng)濟效益為目標(biāo),以預(yù)測得到的沉沒度為參量,對直線電機的沖次進(jìn)行優(yōu)化。采用沉沒度–沖次子區(qū)間匹配方法改進(jìn)原優(yōu)化算法,進(jìn)一步降低原方法的計算量和數(shù)據(jù)量。改進(jìn)的優(yōu)化算法可以更好地適應(yīng)現(xiàn)場計算機對計算量的限制。該優(yōu)化方法可有效地提高往復(fù)泵的產(chǎn)油量,并避免直線電機長期工作于滿載或過載狀態(tài)。

立即下載
基于支持向量機的發(fā)動機故障診斷研究 基于支持向量機的發(fā)動機故障診斷研究 基于支持向量機的發(fā)動機故障診斷研究

基于支持向量機的發(fā)動機故障診斷研究

格式:pdf

大?。?span id="c7eusqf" class="single-tag-height" data-v-09d85783>92KB

頁數(shù):2P

基于支持向量機的發(fā)動機故障診斷研究 4.7

故障樣本的缺乏嚴(yán)重制約智能故障診斷的發(fā)展,本文提出支持向量機應(yīng)用到發(fā)動機故障診斷中,該方法專門針對小樣本集合設(shè)計,能夠在小樣本情況下獲得較大的推廣,而且模型簡單,具體是將汽車在典型故障下尾氣中各氣體的體積分?jǐn)?shù)作為訓(xùn)練樣本。用處理過的樣本和最優(yōu)參數(shù)建立基于支持向量機的多元分類器模型,進(jìn)行故障類別診斷。經(jīng)過libsvm工具箱進(jìn)行仿真,結(jié)果表明經(jīng)優(yōu)化后的支持向量機對于小樣本故障診斷有很高的準(zhǔn)確率。

立即下載
冷庫保溫管道的溫度計算與分析 冷庫保溫管道的溫度計算與分析 冷庫保溫管道的溫度計算與分析

冷庫保溫管道的溫度計算與分析

格式:pdf

大?。?span id="caq2ab7" class="single-tag-height" data-v-09d85783>803KB

頁數(shù):6P

冷庫保溫管道的溫度計算與分析 4.6

運用計算機模擬計算管道節(jié)點溫度分布情況,即在載冷劑溫度、種類和流速不同,管道保溫層厚度,種類不同的情況下管道節(jié)點溫度分布情況,為管道保溫層厚度、保溫材料的選擇提出一些建議,對于管道保溫情況的研究具有重要意義。

立即下載
陳正貿(mào)

職位:安證資料員

擅長專業(yè):土建 安裝 裝飾 市政 園林

粒子群優(yōu)化支持向量機的電纜溫度計算文輯: 是陳正貿(mào)根據(jù)數(shù)聚超市為大家精心整理的相關(guān)粒子群優(yōu)化支持向量機的電纜溫度計算資料、文獻(xiàn)、知識、教程及精品數(shù)據(jù)等,方便大家下載及在線閱讀。同時,造價通平臺還為您提供材價查詢、測算、詢價、云造價、私有云高端定制等建設(shè)領(lǐng)域優(yōu)質(zhì)服務(wù)。手機版訪問: 粒子群優(yōu)化支持向量機的電纜溫度計算