支持向量機的冷端玻璃板位置建模

為對室內轟燃進行準確預測,針對室內轟燃樣本的不足在一定程度上制約了其應用,為此運用svm技術構建室內轟燃預測的數(shù)學模型。在小樣本條件下,應用工具軟件libsvm進行仿真,并將svm模型預測結果和人工神經網絡預測結果進行對比。結果顯示,svm技術能較好地解決小樣本和模型預測精確度之間的矛盾,svm模型其預測精度及可行性高于神經網絡模型。實例表明,由于室內火災受多種因素影響,傳統(tǒng)的預測方法存在一定的局限性,而svm模型預測法預測的結果與試驗結果比較一致。

表演現(xiàn)象這個魔術一共用到三個道具,一個豎向開有四個小圓孔的有機玻璃板,一個同樣開有圓孔的、可罩住玻璃板的套框,一條白色的繩子,三樣物品皆可給觀眾檢查。表演開始,表演者將有機玻璃板裝入套框中,觀眾可以看到玻璃板上的圓孔和套框上的圓孔是完全重合的。表演者把繩子從套框上面的第一孔穿進去,這個動作也可以讓觀眾來做,讓觀眾確信玻璃板和套框已經由繩子穿在了一起。

邊坡角設計的支持向量機建模與精度影響因素研究——運用人工智能領域最新的基于結構風險最小化原理的機器學習算法——支持向量機(svm)算法，采用線性linear和徑向基函數(shù)rbf兩種核函數(shù)以及￡不敏感和quadratic兩種損失函數(shù)，并且考慮懲罰參數(shù)c的不同，編寫了相...

有人提出，利用平面鏡的成像特點，可以估測玻璃板的厚度．常見的試題是：“筆尖跟厚玻璃板接觸，此時筆尖跟它在玻璃板里所成的虛像之間的距離為dmm，則玻璃板的厚度約為——mm”．我們拜讀到的答案均為“d/2mm”

家里的照片通常放在玻璃鏡框內，或壓在桌子上的玻璃板下，但時間一長，照片容易和玻璃粘在一起，不易取下。硬拉，會把照片拉壞；用水浸泡，取下的照片會變形。比較好的辦法如下：

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

故障樣本的缺乏嚴重制約智能故障診斷的發(fā)展,本文提出支持向量機應用到發(fā)動機故障診斷中,該方法專門針對小樣本集合設計,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數(shù)作為訓練樣本。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,進行故障類別診斷。經過libsvm工具箱進行仿真,結果表明經優(yōu)化后的支持向量機對于小樣本故障診斷有很高的準確率。

基于支持向量機的砂土液化預測模型——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測模型。該模型能通過有限經驗數(shù)據(jù)的學習，建立砂土液化類型與其影響因素之間的非線性關系。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)化支持向量機結合的電力系統(tǒng)短期負荷預測新方法,以相空間重構理論確定支持向量機的輸入量個數(shù);訓練樣本集由對應預測相點的最近鄰相點集構成,且是按預測相點步進動態(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,從而可增強預測模型對混沌動力學的聯(lián)想和泛化推理能力,提高負荷預測的精度和提高預測穩(wěn)定性。對某地區(qū)負荷系統(tǒng)日、周預測仿真測試,證明其可獲得穩(wěn)定的較高預測精度。

針對防洪風險因風險主體而異的特點,提出了防洪脆弱性的定義,選取影響臨災破壞程度的因子建立了評價指標體系,以所選指標的自然斷裂法分級作為訓練樣本,建立了基于支持向量機的評價模型。應用實例的評價結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果更接近實際情況。

為了科學預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測提供一條新的技術途徑.

分析了空調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)計學習理論的支持向量機方法用于控溫過程中,對溫度進行實時預測。采用數(shù)字實驗對所提方法的可行性進行驗證,結果表明該方法可以獲得比傳統(tǒng)方法更高的預測精度,實時性較高,能為空調控溫系統(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。

針對室內環(huán)境因素多元化、動態(tài)變化的特點和目前評價方法的不足,建立了基于支持向量機的室內舒適度混合評判模型。首先將從真實環(huán)境中采集的數(shù)據(jù)集進行數(shù)據(jù)規(guī)范化處理;然后根據(jù)群體和個體感覺,分別用離線訓練和在線訓練的方法訓練分類器;最后使用訓練好的分類器預測樣本的標簽。以matlab為開發(fā)工具,編寫了基于支持向量機的室內舒適度評價算法,并與bp神經網絡和概率神經網絡等室內舒適度評價算法進行了比較,仿真結果表明,該方法是可行且有效的。

支持向量機作為基于統(tǒng)計學理論的機器學習方法，在人工智能識別方面的研究起到了重要的作用。本文將支持向量機智能識別方法引入到機械設備的故障診斷當中，并對支持向量機模型起到關鍵作用的懲罰因子c和核參數(shù)g采用了交叉驗證的方法進行最優(yōu)化計算。建立了基于優(yōu)化的支持向量機的機械設備故障診斷模型，并且進行了相關實驗，實驗表明，采用本文介紹的基于支持向量機的故障診斷方法可有效識別出機械設備的故障類型，對機械設備的故障診斷提供了有效的診斷方法。

基于支持向量機方法的深基坑變形預測——提出了深基坑變形預測的一種新方法，即支持向量機方法．該方法根據(jù)有限的學習樣本，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)場實例進行了預測，...

本文從我國工程索賠現(xiàn)狀出發(fā),分析了合理工效的影響因素,建立了支持向量機合理工效費用模型,收集了24個實際工程案例運用支持向量機對費用進行預測,結果表明了模型的有效性。

繼電保護狀態(tài)評價工作一直以來都是狀態(tài)檢修的重點和難點。提出一種基于模糊支持向量機的繼電保護狀態(tài)評價方法。首先,獲取智能變電站繼電保護裝置的歷史數(shù)據(jù),從中選擇合適的狀態(tài)評價因素,再對狀態(tài)評價因素進行數(shù)據(jù)預處理,并根據(jù)狀態(tài)巡視及故障記錄計算裝置在各巡視點的百分比剩余壽命,生成訓練樣本集。然后通過模糊支持向量機回歸訓練生成模型,利用在線巡視記錄,對裝置狀態(tài)進行在線評估。并根據(jù)最差指標,判定裝置的當前狀態(tài),作為最終的在線狀態(tài)評價結果。仿真分析表明,方法通過引入樣本權重,能夠區(qū)分本裝置樣本和同型號裝置樣本的不同,使得算法能夠兼顧裝置的個性和家族性共性,并具備一定的抗噪能力。

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...

針對模擬電路的故障診斷問題,詳細介紹了支持向量機算法,由于它在非線性映射、小樣本學習方面的獨特優(yōu)勢,故將它引用到模擬電路的故障診斷過程中。并提出了一種基于支持向量機的診斷方法,該算法能夠對被測電路的故障進行有效并且精確地分類。以折線逼近平方曲線的近似測量電路為例,設計了基于支持向量機的模擬電路故障診斷系統(tǒng)。以實際測試數(shù)據(jù)作為訓練樣本進行學習訓練后,對其它實際測量數(shù)據(jù)進行診斷,其結果正確,驗證了算法的有效性。

針對風電功率序列的不確定性和隨機性特征,提出基于聚類經驗模態(tài)分解(eemd)和支持向量回歸機(svr)的風電功率預測模型。同時,為克服支持向量回歸機依賴人為經驗選擇學習參數(shù)的弊端,采用縱橫交叉算法(cso)優(yōu)化支持向量回歸機學習參數(shù)。首先,利用聚類經驗模態(tài)分解將原始風電功率序列分解為一系列復雜度差異明顯的子序列。然后,分別對每子序列單獨建立cso-svr預測模型。最后,疊加各子序列的預測值得到實際預測結果。實例研究表明,所提模型能獲得優(yōu)良的風電功率預測結果。

基于支持向量機的空調控溫過程實時預測——文章分析了空調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)計學習理論的支持向量機方法用于控溫過程中，對溫度進行實時預測。采用數(shù)字實驗對所提方法的可行性進行驗證，結果表明該方法可以獲得比傳統(tǒng)方法更...

巖爆分類的支持向量機方法——針對巖爆分類問題，提出了基于支持向量機的分類方法。通過對影響巖爆因素的分析，運用支持向量機理論建立巖爆類別的支持向量機模型。結果表明，基于支持向量機的巖爆分類方法具有較高的準確率，該方法是科學可行的，具有廣泛的應用...