支持向量機的副熱帶高壓預(yù)測模型

提出了一種新的支持向量機(supportvectormachines,svm)機械系統(tǒng)狀態(tài)組合預(yù)測模型。應(yīng)用fpe(finalprincipleerror)準(zhǔn)則優(yōu)化樣本的維數(shù),采用時域內(nèi)的振動烈度和頻域內(nèi)的特征頻率分量作為預(yù)測機械系統(tǒng)狀態(tài)的敏感因子,構(gòu)建了預(yù)測模型。支持向量機采用新型的結(jié)構(gòu)風(fēng)險最優(yōu)化準(zhǔn)則,預(yù)測能力強、魯棒性好。采用徑向基函數(shù)和ε損失函數(shù),將該模型應(yīng)用于實驗臺和旋轉(zhuǎn)注水機組的狀態(tài)預(yù)測,取得了較好的效果。這表明利用支持向量機的組合預(yù)測模型,可以降低設(shè)備維修代價,提高設(shè)備的安全性和可靠性。

為了科學(xué)預(yù)測與評估煤礦采動引起的建筑物采動損害程度,在系統(tǒng)分析建筑物采動損害影響因素的基礎(chǔ)上,基于支持向量機理論,利用礦區(qū)典型建筑物采動損害案例,首次建立了煤礦開采影響下建筑物采動損害程度的支持向量機預(yù)測模型,并測試了該模型的可行性和可靠性.研究成果可為建筑物采動損害預(yù)測提供一條新的技術(shù)途徑.

基于支持向量機的砂土液化預(yù)測模型——分析了砂土液化的主要影響因素，建立了砂土液化的支持向量機預(yù)測模型。該模型能通過有限經(jīng)驗數(shù)據(jù)的學(xué)習(xí)，建立砂土液化類型與其影響因素之間的非線性關(guān)系。運用所建立的模型對具體的砂土液化類型進行了評判，評判結(jié)果表明，...

根據(jù)電力負荷序列的混沌特性,提出混沌理論和蟻群優(yōu)化支持向量機結(jié)合的電力系統(tǒng)短期負荷預(yù)測新方法,以相空間重構(gòu)理論確定支持向量機的輸入量個數(shù);訓(xùn)練樣本集由對應(yīng)預(yù)測相點的最近鄰相點集構(gòu)成,且是按預(yù)測相點步進動態(tài)相軌跡生成;采用蟻群優(yōu)化算法對支持向量機敏感參數(shù)進行優(yōu)化,從而可增強預(yù)測模型對混沌動力學(xué)的聯(lián)想和泛化推理能力,提高負荷預(yù)測的精度和提高預(yù)測穩(wěn)定性。對某地區(qū)負荷系統(tǒng)日、周預(yù)測仿真測試,證明其可獲得穩(wěn)定的較高預(yù)測精度。

準(zhǔn)確及時地進行洪水預(yù)測對洪水預(yù)報、洪水實時調(diào)度及水資源的合理調(diào)度起著非常關(guān)鍵的作用.提出一種粗糙集理論和支持向量機相結(jié)合的洪水預(yù)測模型,利用粗糙集理論對支持向量機的輸入數(shù)據(jù)集進行約簡預(yù)處理,通過發(fā)現(xiàn)數(shù)據(jù)間的關(guān)系去掉冗余輸入信息,簡化輸入空間的表達信息,提高支持向量機訓(xùn)練的速度,獲得較高的預(yù)測精度.實驗結(jié)果表明,該模型能提高支持向量機訓(xùn)練的速度,獲得較高的預(yù)測精度.

為了預(yù)測水泵在運行中的振動狀態(tài),提高水泵運行的安全性和經(jīng)濟性,采用了統(tǒng)計學(xué)習(xí)理論中的核心算法——支持向量機與自回歸方法相結(jié)合,建立了水泵振動預(yù)測模型(svar)。并通過實例,與基于灰色理論建立的預(yù)測模型(gm)和基于自回歸方法建立的預(yù)測模型(ar)進行了比較。結(jié)果表明:基于支持向量自回歸的水泵振動預(yù)測模型(svar)具有精度高、速度快、易于建模的特點。應(yīng)用該方法建立的預(yù)測模型能夠很好地預(yù)測水泵運行中的振動情況,有效地避免水泵運行中由振動引起的故障。

高強混凝土強度預(yù)測的支持向量機模型及應(yīng)用——高強混凝土的強度受多種因素的影響，其強度的預(yù)測是一個動態(tài)性的系統(tǒng)工程。采用支持向量機理論，建立了高強混凝土的強度預(yù)測的支持向量機預(yù)測模型。并將該模型計算結(jié)果與實測混凝土28d抗壓強度、bp網(wǎng)絡(luò)計算的強度...

http://www.***.*** 單樁豎向極限承載力預(yù)測的支持向量機模型 趙月平，王威 河南工業(yè)大學(xué)土木建筑學(xué)院，河南鄭州（450052） 摘要：在綜合分析了各種單樁豎向極限承載力分析方法的基礎(chǔ)上，提出了基于支持向量機 的單樁豎向極限承載力預(yù)測方法，并在matlab中編制了相應(yīng)的支持向量機程序，建立 了相應(yīng)的單樁豎向極限承載力預(yù)測模型。以大量的實例數(shù)據(jù)為學(xué)習(xí)樣本和測試樣本，討論 了基于支持向量機的單樁豎向極限承載力分析方法及其可行性。研究表明，用支持向量機 方法來預(yù)測單樁豎向極限承載力是可行的。 關(guān)鍵詞：單樁；豎向極限承載力；支持向量機(svm)；預(yù)測 中圖分類號：tu413.4文獻標(biāo)識碼：a 0引言 樁基礎(chǔ)作為我國工程建設(shè)中重要的基 礎(chǔ)形式，具有承載力高、沉降量小，且調(diào) 節(jié)不均勻沉降能力強的特性，得到廣泛應(yīng) 用。樁基作為建筑物

為提高水庫來水量的預(yù)測精度,提出了一種基于最小二乘支持向量機(ls-svm)的來水量預(yù)測模型。實例應(yīng)用結(jié)果表明,該模型預(yù)測能力強、預(yù)測精度高,其預(yù)測精度明顯高于bp模型,為來水量預(yù)測提供了一種可靠、有效的方法。

對加工系統(tǒng)進行補償是提高機械加工精度的有效手段。通過對加工系統(tǒng)的研究,建立誤差預(yù)測模型,是進行誤差補償?shù)谋匾緩?。本文以鏜孔加工為實驗對象,提出了基于支持向量機(supportvectormachine,svm)的加工系統(tǒng)誤差預(yù)測模型,實驗結(jié)果顯示,支持向量機可以應(yīng)用于誤差預(yù)測建模,且在系統(tǒng)誤差的預(yù)測精度上高于基于徑向基(rbf)神經(jīng)網(wǎng)絡(luò)的誤差預(yù)測模型。

使用組合模型進行了風(fēng)速預(yù)測,然后在此基礎(chǔ)上進行了風(fēng)電功率的預(yù)測.利用灰色模型進行風(fēng)速中確定性趨勢預(yù)測,針對灰色gm(1,1)模型的建模機理和風(fēng)速預(yù)測特點對其進行了改進,建立了改進的灰色gm(1,1)風(fēng)速預(yù)測模型;同時使用支持向量機進行風(fēng)速的隨機性預(yù)測;用建立的組合預(yù)測模型輸出的風(fēng)速作為風(fēng)電功率預(yù)測的一個輸入,利用支持向量機模型進行了提前一小時的風(fēng)電功率預(yù)測.算例表明,該方法可有效提高風(fēng)速預(yù)測精度,進而提高風(fēng)電功率的預(yù)測精度.

針對防洪風(fēng)險因風(fēng)險主體而異的特點,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價指標(biāo)體系,以所選指標(biāo)的自然斷裂法分級作為訓(xùn)練樣本,建立了基于支持向量機的評價模型。應(yīng)用實例的評價結(jié)果符合北江下游的防洪態(tài)勢,說明了該模型方法的可行性、合理性和有效性。與傳統(tǒng)的計點系統(tǒng)模型相比,支持向量機模型的評價結(jié)果更接近實際情況。

工程巖體抗剪強度參數(shù)選取的支持向量機模型——影響工程巖體抗剪強度參數(shù)的因素復(fù)雜，且具有不確定性，由于支持向量機模型不僅能考慮定量因素，而且能考慮定性因素的影響，因而支持向量機適用于解決非確定性的工程巖體抗剪強度參數(shù)的選取問題。文中建立了選取工...

季節(jié)型電力負荷同時具有增長性和波動性的二重趨勢,使得負荷的變化呈現(xiàn)出復(fù)雜的非線性組合特征。對此,提出了一種綜合最優(yōu)灰色支持向量機預(yù)測模型,研究了同時考慮2種非線性趨勢的復(fù)雜季節(jié)型負荷預(yù)測問題,說明了此優(yōu)化模型分別優(yōu)于2種單一負荷預(yù)測模型。在此基礎(chǔ)上,對一般粒子群算法引入粒子速度自適應(yīng)可調(diào)機制,并利用改進粒子群算法優(yōu)化組合預(yù)測模型中的權(quán)值。對電力負荷預(yù)測應(yīng)用實例的計算結(jié)果表明,該模型較大提高了季節(jié)型負荷預(yù)測的精度,具有較好的性能。

基于支持向量機的建筑物空調(diào)負荷預(yù)測模型——建立了基于支持向量機理論的建筑物空調(diào)負荷預(yù)測模型。對廣州地區(qū)某辦公樓夏季不同月份的逐時空調(diào)負荷,分別用模型和神經(jīng)網(wǎng)絡(luò)模型進行了訓(xùn)練和預(yù)測。仿真結(jié)果表明,模型具有更高的預(yù)測精度和更好的泛化能力,是建筑物空...

提出一種聯(lián)合灰色模型(greymodel,gm)和最小二乘支持向量機回歸(leastsquaresupportvectorregression,lssvr)算法的電力短期負荷智能組合預(yù)測方法。在考慮負荷日周期性的基礎(chǔ)上,通過對歷史負荷數(shù)據(jù)的不同取舍,構(gòu)建出各種不同的歷史負荷數(shù)據(jù)序列,并對每個歷史數(shù)據(jù)序列分別建立能修正β參數(shù)的gm(1,1)灰色模型進行負荷預(yù)測;采用最小二乘支持向量機回歸算法對不同灰色模型的預(yù)測結(jié)果進行非線性組合,以獲取最終預(yù)測值。該方法在充分利用灰色模型所需原始數(shù)據(jù)少、建模簡單、運算方便等優(yōu)勢的基礎(chǔ)上,結(jié)合最小二乘支持向量機所具有的泛化能力強、非線性擬合性好、小樣本等特性,提高了預(yù)測精度。仿真結(jié)果驗證了所提出組合方法的有效性和實用性。

由于公路工程造價的影響因素錯綜復(fù)雜,且歷史數(shù)據(jù)非常有限,使公路工程造價預(yù)測成為典型的小樣本條件下非線性回歸問題。針對傳統(tǒng)的回歸方法解決這類問題的不足,該文提出一種新型的公路工程造價預(yù)測模型。該模型基于最小二乘支持向量機的基本原理,結(jié)合公路工程的具體特征,實現(xiàn)了公路工程造價的智能化預(yù)測。新模型充分發(fā)揮了最小二乘支持向量機在解決有限樣本及非線性回歸問題中的優(yōu)勢,建立了較準(zhǔn)確的預(yù)測模型,且訓(xùn)練速度較普通支持向量機更快。實證數(shù)據(jù)分析驗證了本模型的有效性。

基于支持向量機方法的深基坑變形預(yù)測——提出了深基坑變形預(yù)測的一種新方法，即支持向量機方法．該方法根據(jù)有限的學(xué)習(xí)樣本，建立了各種影響因素和深基坑變形之問的一種非線性映射．基于已有的深基坑變形資料，采用支持向量機模型，對深基坑現(xiàn)場實例進行了預(yù)測，...

由于中央空調(diào)系統(tǒng)的時滯性、時變性、非線性和大惰性等特性,使得當(dāng)前采用的中央空調(diào)負荷預(yù)測算法精度并不高,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（supportvectorregressionsvr）理論的中央空調(diào)負荷預(yù)測模型。對項目樓宇歷史負荷數(shù)據(jù)進行分析,分別采用svr負荷預(yù)測模型和bp神經(jīng)網(wǎng)絡(luò)負荷預(yù)測模型進行了訓(xùn)練和預(yù)測。預(yù)測結(jié)果表明：基于svr負荷預(yù)測模型較bp神經(jīng)網(wǎng)絡(luò)負荷預(yù)測模型精度更高,具有較強的實用性和可行性。

支持向量機在公路軟基沉降預(yù)測中的應(yīng)用——針對公路軟土地基沉降發(fā)生的過程多變量、強耦合、強干擾、大滯后的復(fù)雜特性，提出利用支持向量機(supportvectormachine，svm)對公路軟基進行沉降預(yù)測建模，使用加栽過程中的沉降觀測數(shù)據(jù)作為訓(xùn)練樣本集，建立可依據(jù)...

結(jié)合支持向量機模型和小波框架理論,建立了沉降預(yù)測模型,并對杭州市某小區(qū)的危舊建筑物進行了沉降預(yù)測,結(jié)果表明該模型預(yù)測精度較高,可以較好地預(yù)測建筑物沉降的發(fā)展趨向,適用于建筑沉降預(yù)警工作。

本文針對中國建筑施工企業(yè)安全管理現(xiàn)狀,以企業(yè)預(yù)警管理論和現(xiàn)代施工安全管理理論為指導(dǎo),結(jié)合建筑安全施工的實踐與經(jīng)驗,建立基于支持向量機的安全預(yù)警模型,構(gòu)建具有自我調(diào)節(jié)、自我適應(yīng)能力的建筑施工安全預(yù)警管理體系。根據(jù)建筑施工現(xiàn)場的調(diào)查,經(jīng)過分析,應(yīng)用支持向量機預(yù)警模型進行預(yù)警研究,通過預(yù)警的結(jié)果,分析建筑施工現(xiàn)場的安全程度。這為建筑施工現(xiàn)場減少事故的發(fā)生提供了一定的參考。