線(xiàn)性ν支持向量回歸機(jī)異常數(shù)據(jù)檢測(cè)

支持向量回歸在巖土工程中的應(yīng)用——針對(duì)巖土工程影響因素的極其復(fù)雜性，引入支持向量機(jī)方法，給出了應(yīng)用支持向量回歸解決問(wèn)題的基本原理與算法步驟．以礦山周邊建筑物爆破震動(dòng)效應(yīng)分析為例，建立了建筑物中峰值質(zhì)點(diǎn)振速的預(yù)測(cè)模型．實(shí)例分析表明預(yù)測(cè)值與實(shí)測(cè)值...

提出了1種基于混沌分析和支持向量回歸機(jī)的短期空調(diào)負(fù)荷預(yù)測(cè)建模方法。通過(guò)研究實(shí)際空調(diào)負(fù)荷序列的混沌特性,確定其混沌特征參數(shù)并選取支持向量回歸機(jī)進(jìn)行預(yù)測(cè)。支持向量機(jī)建模過(guò)程使用粒子群算法進(jìn)行參數(shù)尋優(yōu)。仿真結(jié)果表明,空調(diào)負(fù)荷序列具有一定的混沌特性,使用混沌支持向量機(jī)方法的預(yù)測(cè)精度比單一支持向量機(jī)法預(yù)測(cè)結(jié)果eep指標(biāo)降低了31.4%,預(yù)測(cè)精度有了明顯提升。

焊接變形的影響因素較多,預(yù)測(cè)焊接變形是一個(gè)耗時(shí)、復(fù)雜的過(guò)程.為了解決這個(gè)問(wèn)題,采用支持向量回歸方法建立焊接變形預(yù)測(cè)模型,使用delphi語(yǔ)言作為開(kāi)發(fā)工具,借助sqlserver數(shù)據(jù)庫(kù)技術(shù)和matlab工具箱,開(kāi)發(fā)基于支持向量回歸的焊接變形預(yù)測(cè)系統(tǒng).實(shí)際運(yùn)行表明,該系統(tǒng)能夠?qū)崿F(xiàn)焊接變形的快捷預(yù)測(cè)和管理.

焊接變形的影響因素較多,預(yù)測(cè)焊接變形是一個(gè)耗時(shí)、復(fù)雜的過(guò)程.為了解決這個(gè)問(wèn)題,采用支持向量回歸方法建立焊接變形預(yù)測(cè)模型,使用delphi語(yǔ)言作為開(kāi)發(fā)工具,借助sqlserver數(shù)據(jù)庫(kù)技術(shù)和matlab工具箱,開(kāi)發(fā)基于支持向量回歸的焊接變形預(yù)測(cè)系統(tǒng).實(shí)際運(yùn)行表明,該系統(tǒng)能夠?qū)崿F(xiàn)焊接變形的快捷預(yù)測(cè)和管理.

計(jì)算機(jī)網(wǎng)絡(luò)安全問(wèn)題,是驗(yàn)證計(jì)算機(jī)運(yùn)行及操作是否正確、合理的重要評(píng)判指標(biāo),其受諸多因素的影響,如軟硬件設(shè)施、計(jì)算機(jī)操作及程序、網(wǎng)絡(luò)環(huán)境等。傳統(tǒng)的評(píng)價(jià)系統(tǒng)僅是一個(gè)線(xiàn)性過(guò)程,缺乏較為全面的評(píng)價(jià)。我國(guó)曾對(duì)網(wǎng)絡(luò)安全問(wèn)題提出了一種名為神經(jīng)網(wǎng)絡(luò)的方式,由于其在未來(lái)的發(fā)展中難以適應(yīng)計(jì)算機(jī)安全性能的要求,我國(guó)又提出了一種新型的評(píng)價(jià)方式,支持向量回歸機(jī)。本文先是對(duì)其該概念、特點(diǎn)、模型分類(lèi)及計(jì)算機(jī)安全系統(tǒng)進(jìn)行介紹,并對(duì)如何構(gòu)建系統(tǒng)的相關(guān)知識(shí)展開(kāi)了深度探討。此次探討的主要目的是為了加強(qiáng)安全指標(biāo)評(píng)價(jià),提升計(jì)算機(jī)的網(wǎng)絡(luò)安全。

針對(duì)神經(jīng)網(wǎng)絡(luò)方法在計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)問(wèn)題方面存在的不足,提出了一種新的基于支持向量回歸機(jī)的計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)方法。首先探討了指標(biāo)體系構(gòu)建的原則,進(jìn)一步建立了計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)指標(biāo)體系,然后給出了指標(biāo)的規(guī)范化方法并對(duì)計(jì)算機(jī)網(wǎng)絡(luò)安全等級(jí)進(jìn)行了劃分,最后構(gòu)建了基于支持向量回歸機(jī)的計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)模型并給出了仿真實(shí)例。仿真實(shí)例的結(jié)果表明,所建立的評(píng)價(jià)模型具有較強(qiáng)的泛化能力,預(yù)測(cè)的精度較高。

支持向量機(jī)(svm)已經(jīng)成熟應(yīng)用于非線(xiàn)性回歸領(lǐng)域,并應(yīng)用于工程費(fèi)用量化分析.提出一種基于魯棒支持向量回歸機(jī)(rsvr)的量化新模型;通過(guò)優(yōu)化支持向量機(jī)的損失函數(shù),增加算法的魯棒性,建立基于該原理的專(zhuān)用電力工程費(fèi)用量化模型;并對(duì)樣本數(shù)據(jù)添加人工噪聲,提高樣本數(shù)據(jù)的異常點(diǎn),測(cè)試該模型的魯棒性;算例分析表明:該文方法預(yù)測(cè)精度高、計(jì)算量小.

由于中央空調(diào)系統(tǒng)的時(shí)滯性、時(shí)變性、非線(xiàn)性和大惰性等特性,使得當(dāng)前采用的中央空調(diào)負(fù)荷預(yù)測(cè)算法精度并不高,本文在江陰某樓宇空調(diào)系統(tǒng)節(jié)能改造項(xiàng)目的基礎(chǔ)上,從中央空調(diào)系統(tǒng)的組成和特性出發(fā),提出了基于支持向量回歸機(jī)（supportvectorregressionsvr）理論的中央空調(diào)負(fù)荷預(yù)測(cè)模型。對(duì)項(xiàng)目樓宇歷史負(fù)荷數(shù)據(jù)進(jìn)行分析,分別采用svr負(fù)荷預(yù)測(cè)模型和bp神經(jīng)網(wǎng)絡(luò)負(fù)荷預(yù)測(cè)模型進(jìn)行了訓(xùn)練和預(yù)測(cè)。預(yù)測(cè)結(jié)果表明：基于svr負(fù)荷預(yù)測(cè)模型較bp神經(jīng)網(wǎng)絡(luò)負(fù)荷預(yù)測(cè)模型精度更高,具有較強(qiáng)的實(shí)用性和可行性。

基于線(xiàn)性規(guī)劃支持向量機(jī)的隧道圍巖變形預(yù)測(cè)——支持向量機(jī)(svm)以其良好的學(xué)習(xí)性能被廣泛應(yīng)用于包括隧道圍巖變形在內(nèi)的時(shí)間序列預(yù)測(cè)，核函數(shù)形式對(duì)其預(yù)測(cè)能力有重要影響，故靈活運(yùn)用核技巧來(lái)增強(qiáng)推廣性能已成為支持向量機(jī)應(yīng)用研究的一個(gè)重要方面。對(duì)于標(biāo)準(zhǔn)svm及...

基于最小二乘支持向量機(jī)回歸的基坑變形預(yù)測(cè)——將最小二乘支持向量機(jī)回歸用于基坑變形預(yù)測(cè)．根據(jù)基坑位移的實(shí)測(cè)時(shí)間序列資料，應(yīng)用最小二乘支持向量機(jī)回歸建立了基坑位移與時(shí)間的關(guān)系模型．研究結(jié)果表明，最小二乘支持向量機(jī)回歸用于基坑變形預(yù)測(cè)，具有較高的預(yù)...

針對(duì)在工程實(shí)踐中,應(yīng)用單一方法預(yù)測(cè)建筑物沉降存在著局限性,提出了基于最小二乘支持向量機(jī)回歸綜合單一方法預(yù)測(cè)沉降量。該方法能綜合單一方法的特點(diǎn),增強(qiáng)了模型的普適性,從而提高了預(yù)測(cè)精度和預(yù)報(bào)期次。文中討論了如何實(shí)現(xiàn)和運(yùn)用該方法,最后通過(guò)實(shí)例驗(yàn)證了其有效性。

本文利用地物光譜儀獲取的土壤反射光譜,通過(guò)多元線(xiàn)性回歸模型和支持向量機(jī)回歸模型分別建立土壤鐵含量的估算模型,并利用檢驗(yàn)數(shù)據(jù)對(duì)模型進(jìn)行驗(yàn)證。建模和估算決定系數(shù)為0.9855和0.7158,估算均方根誤差為0.0601,結(jié)果表明利用支持向量機(jī)回歸模型能夠較好的進(jìn)行土壤重金屬含量的估算。

本文利用地物光譜儀獲取的土壤反射光譜,通過(guò)多元線(xiàn)性回歸模型和支持向量機(jī)回歸模型分別建立土壤鐵含量的估算模型,并利用檢驗(yàn)數(shù)據(jù)對(duì)模型進(jìn)行驗(yàn)證。建模和估算決定系數(shù)為0.9855和0.7158,估算均方根誤差為0.0601,結(jié)果表明利用支持向量機(jī)回歸模型能夠較好的進(jìn)行土壤重金屬含量的估算。

選取代表房地產(chǎn)上市公司綜合實(shí)力的投資與收益、償債能力、經(jīng)營(yíng)能力、資本結(jié)構(gòu)等四個(gè)方面的10項(xiàng)指標(biāo),96個(gè)公司的財(cái)務(wù)數(shù)據(jù),采用topsis方法計(jì)算每個(gè)公司的綜合績(jī)效評(píng)價(jià)值,隨機(jī)挑選其中的80組數(shù)據(jù)作為訓(xùn)練樣本,16組數(shù)據(jù)作為測(cè)試樣本,建立svm模型,通過(guò)測(cè)試分析并與rbf神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的結(jié)果對(duì)比,表明svm模型更加有效,更有推廣前景。

支持向量機(jī)以嚴(yán)格的數(shù)學(xué)理論為基礎(chǔ),具有簡(jiǎn)單的數(shù)學(xué)形式、直觀的幾何解釋和良好的泛化性能,其與核函數(shù)的結(jié)合使它成為解決分類(lèi)、回歸、概率密度估計(jì)等實(shí)際問(wèn)題的有力工具。但當(dāng)處理大規(guī)模的數(shù)據(jù)集時(shí),無(wú)論在時(shí)間和空間效率上都是無(wú)法滿(mǎn)足人們的需求。針對(duì)該問(wèn)題,本文提出ασ-svm支持向量機(jī),通過(guò)對(duì)其訓(xùn)練樣本的縮減從而減少其訓(xùn)練時(shí)間。最后ασ-svm算法對(duì)kdd99cup入侵檢測(cè)數(shù)據(jù)做驗(yàn)證,并與常規(guī)的svm做對(duì)比,實(shí)驗(yàn)結(jié)果表明該方法不但能應(yīng)用到入侵檢測(cè)中,而且其訓(xùn)練的時(shí)間也明顯的減少。

基于最小二乘支持向量機(jī)回歸的單樁豎向極限承載力預(yù)測(cè)——基于單樁載荷試驗(yàn)數(shù)據(jù)，采用最小二乘支持向量機(jī)(lssvm)回歸的方法，建立了單樁豎向極限承載力的預(yù)測(cè)模型．利用文獻(xiàn)中樁的載荷試驗(yàn)數(shù)據(jù)來(lái)訓(xùn)練lssvm模型，并確定了模型參數(shù)．研究結(jié)果表明，同常用的bp網(wǎng)絡(luò)...

為了預(yù)測(cè)水泵在運(yùn)行中的振動(dòng)狀態(tài),提高水泵運(yùn)行的安全性和經(jīng)濟(jì)性,采用了統(tǒng)計(jì)學(xué)習(xí)理論中的核心算法——支持向量機(jī)與自回歸方法相結(jié)合,建立了水泵振動(dòng)預(yù)測(cè)模型(svar)。并通過(guò)實(shí)例,與基于灰色理論建立的預(yù)測(cè)模型(gm)和基于自回歸方法建立的預(yù)測(cè)模型(ar)進(jìn)行了比較。結(jié)果表明:基于支持向量自回歸的水泵振動(dòng)預(yù)測(cè)模型(svar)具有精度高、速度快、易于建模的特點(diǎn)。應(yīng)用該方法建立的預(yù)測(cè)模型能夠很好地預(yù)測(cè)水泵運(yùn)行中的振動(dòng)情況,有效地避免水泵運(yùn)行中由振動(dòng)引起的故障。

將支持向量機(jī)回歸技術(shù)引入隱式極限狀態(tài)結(jié)構(gòu)的非概率可靠性分析,基于未確知信息的分段均布描述模型,設(shè)計(jì)了訓(xùn)練樣本抽取策略.為了統(tǒng)一樣本尺度,根據(jù)分段均布模型與標(biāo)準(zhǔn)化區(qū)間均布模型的雙射關(guān)系,將基本變量區(qū)域中的樣本數(shù)據(jù)轉(zhuǎn)化成標(biāo)準(zhǔn)區(qū)間變量域中的樣本數(shù)據(jù),保證了支持向量機(jī)訓(xùn)練的穩(wěn)定性.給出了svr預(yù)測(cè)模型算法,并實(shí)現(xiàn)了在標(biāo)準(zhǔn)化區(qū)間變量域中直接抽取訓(xùn)練、測(cè)試及預(yù)測(cè)樣本,使得樣本抽取和蒙特卡羅模擬計(jì)算更便于實(shí)現(xiàn).通過(guò)算例對(duì)方法的精度和可行性進(jìn)行了驗(yàn)證,結(jié)果表明:該方法可解決隱式極限狀態(tài)結(jié)構(gòu)的非概率可靠性分析問(wèn)題,且應(yīng)用簡(jiǎn)便.

選取代表房地產(chǎn)上市公司綜合實(shí)力的投資與收益、償債能力、經(jīng)營(yíng)能力、資本結(jié)構(gòu)等四個(gè)方面的10項(xiàng)指標(biāo),96個(gè)公司的財(cái)務(wù)數(shù)據(jù),采用topsis方法計(jì)算每個(gè)公司的綜合績(jī)效評(píng)價(jià)值,隨機(jī)挑選其中的80組數(shù)據(jù)作為訓(xùn)練樣本,16組數(shù)據(jù)作為測(cè)試樣本,建立svm模型,通過(guò)測(cè)試分析并與rbf神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的結(jié)果對(duì)比,表明svm模型更加有效,更有推廣前景。

鐵路在運(yùn)行過(guò)程中,難免會(huì)受到暴風(fēng)雨的侵襲,對(duì)列車(chē)的安全運(yùn)行造成巨大的威脅。論文基于支持向量回歸算法,預(yù)測(cè)風(fēng)速和降雨量,提出監(jiān)測(cè)點(diǎn)補(bǔ)強(qiáng)及遷改建議。

為了預(yù)測(cè)水泵的運(yùn)行狀態(tài),提高水泵運(yùn)行的安全性和經(jīng)濟(jì)性,以軸承溫度和軸端振動(dòng)為研究對(duì)象,運(yùn)用支持向量自回歸方法,建立了水泵的溫度和振動(dòng)2個(gè)預(yù)測(cè)模型,對(duì)水泵的溫度和振動(dòng)的了展?fàn)顩r進(jìn)行了預(yù)測(cè)。計(jì)算結(jié)果表明:采用該種預(yù)測(cè)模型對(duì)水泵的運(yùn)行狀態(tài)進(jìn)行預(yù)測(cè),具有精度高、速度快、易于建模的特點(diǎn),應(yīng)用該方法建立的預(yù)測(cè)模型能夠很好地預(yù)測(cè)水泵的溫度參數(shù)和振動(dòng)參數(shù),提高水泵的運(yùn)行效率。該預(yù)測(cè)方法可以推廣到對(duì)水泵的流量、進(jìn)口水壓力、出口水壓力等其他運(yùn)行狀態(tài)參數(shù)的預(yù)測(cè)。

針對(duì)防洪風(fēng)險(xiǎn)因風(fēng)險(xiǎn)主體而異的特點(diǎn),提出了防洪脆弱性的定義,選取影響臨災(zāi)破壞程度的因子建立了評(píng)價(jià)指標(biāo)體系,以所選指標(biāo)的自然斷裂法分級(jí)作為訓(xùn)練樣本,建立了基于支持向量機(jī)的評(píng)價(jià)模型。應(yīng)用實(shí)例的評(píng)價(jià)結(jié)果符合北江下游的防洪態(tài)勢(shì),說(shuō)明了該模型方法的可行性、合理性和有效性。與傳統(tǒng)的計(jì)點(diǎn)系統(tǒng)模型相比,支持向量機(jī)模型的評(píng)價(jià)結(jié)果更接近實(shí)際情況。