基于改进果蝇算法优化SVM的个人信用风险评估

为了提高信用风险评估的准确率,应用支持向量机(SVM)来建立信用风险评估模型。针对SVM模型性能的优劣与参数的选择密切相关,提出对传统的果蝇优化算法(FOA)进行改进,采用改进的果蝇算法优化支持向量机的参数,并将该模型的评估结果分别与网格法、遗传算法(GA)和果蝇算法(FOA)优化SVM参数的评估结果对比。实验结果表明:使用改进的果蝇算法优化后的支持向量机模型的评估准确率更高,更适合用于信用风险评估。     

建筑物沉降预测的改进Verhulst模型研究

为进一步提高灰色Verhulst模型的预测精度,将LS-SVM算法与灰色Verhulst模型相结合,对灰色Verhulst模型的参数估计方法和预测方法进行了改进。该方法采用LS-SVM算法,构造以背景值序列和原始序列为训练样本的LS-SVM,将Verhulst模型参数的估计问题转化为灰色LS-SVM的参数估计问题,依据LS-SVM算法求得灰色LS-SVM的参数,进而得到Verhulst模型的参数估计,方法上遵循了结构风险最小化原则,适合Verhulst小样本建模的特点。将改进的模型应用于软土地基建筑物的沉降预测,结果表明本文的方法是可行的且有效的,比传统方法预测精度高。     

沉降预测的变系数灰色GAM模型研究

灰色理论在路基沉降预测课题中获得了广泛的应用。本文避开一般灰色建模采用的灰色GM(1,1)模型,而根据灰色建模思想,用代数多项式拟合离散数据列,建立了灰色代数曲线模型。将代数多项式的系数设为时间的参数即变系数,并运用拉普拉斯条件极值法推导其递推公式;根据变系数估值序列的特点,运用灰色GM(1, 1)模型对变系数进行预测。     

基于PSO-LSSVM模型空调负荷预测研究

提出利用粒子群优化(PSO)算法优化的最小二乘支持向量机(LSSVM)预测模型(PSO-LSSVM模型)。以厦门某公共建筑作为研究对象,将平均绝对误差绝对值、平均相对误差绝对值作为评价指标,评价LSSVM模型、PSO-LSSVM模型对空调负荷的预测效果。LSSVM模型、PSO-LSSVM模型的空调负荷预测值与实测值变化趋势基本一致。与LSSVM模型相比,PSO-LSSVM模型的预测值平均绝对误差绝对值、平均相对误差绝对值更小,PSO-LSSVM模型的预测准确性更高。     

多维数据分析处理技术

本文研究了基于大数据下的多维数据分析处理方法:针对大数据的多维离散拘束高效分析处理方法。该方法采用空间重构方法对多维数据采取离散映射,找到最小嵌入维数和最合适的时延构造信息流模型,并采用模糊聚类算法求解初始聚类中心搜索目标函数,从而获取到多维数据的最优聚类中心,利用优化算法实现聚类优化完成多维数据的高效聚类,仿真实验结果证明了该方法的可行性,提高计算效率。     

基于FPSTWD算法与时间序列支持向量机的河流径流量预报

为及时掌握河道径流量变化趋势,为下游水库防洪调度提供依据,提出了基于时间序列的最小二乘支持向量机河道径流量实时预测模型。采用特征点分段时间弯曲距离算法对实时采集的时间序列数据进行分段与相似度计算,以缩减规模的子序列数据集对LSSVR模型进行训练优化,实现多个LSSVR子模型建模,将预测数据序列与LSSVR子模型的相似度匹配,自适应地选取最佳的子模型作为预测模型。应用该模型对某河径流量进行实时预测,模型评价指标中最大相对误差、平均相对误差绝对值和均方根误差分别为9.08%、3.25%与303m3。研究结果表明,该模型具有较好的预测性能,能够满足河道径流量预测的实际需求,并为下游水库防洪调度与水资源管理提供了重要参考。     

基于多层降维与FOA优化的接地网腐蚀故障诊断

针对变电站接地网腐蚀故障的精准定位与诊断问题,将果蝇优化算法运算速度快、全局收敛效果好的优点与电阻腐蚀倍数优化相结合,提出基于多层降维与果蝇优化的接地网腐蚀故障诊断方法。该方法以电压法与电阻法作为诊断机理,以果蝇优化算法作最优解全局搜索,结合多层降维解决接地网支路个数多的问题,降低优化复杂度,提高优化速度。以60条支路、36个节点的变电站接地网为例进行方法检验对比,结果表明,以果蝇优化算法为基础的电压法和电阻法均能取得较好的腐蚀故障诊断效果,电阻法的平均诊断误差略低于电压法,诊断效果较好,但时间代价更大。     

基于PSO-BP算法的隧道非线性位移分析模型

粒子群优化(PSO)算法是近年来发展迅速,并得到广泛应用的一种仿生全局最优化算法.与遗传算法相比,该算法具有操作简单、易于编程的优点.结合铜黄高速公路汤屯段大田连拱隧道施工,采用PSO算法对BP神经网络的权值进行自动优化,获得训练效果最好的BP网络模型参数以提高网络的泛化能力,建立起基于PSO-BP算法的大田隧道施工位移非线性智能分析模型,并采用此模型对后续施工隧道变形进行了预测分析.与实测位移对比表明,本文建立的PSO-BP模型平均预测相对误差仅为3.1%,可很好地作为隧道信息化施工的一种辅助方法,并为其他类似岩土工程提供借鉴.     

基于PSO优化LSSVR的三维WSN节点定位方法

提出了一种基于粒子群优化最小二乘支持向量回归机的三维无线传感器网络节点定位方法。该方法首先运用最小二乘支持向量回归机构建三维节点定位模型,再利用粒子群优化算法对最小二乘支持向量回归机核函数参数和规则化参数寻优。然后,根据若干虚拟节点定位的预测位置与实际位置的均方差构造粒子群算法适应度函数,通过有限次建模参数迭代寻优获得最小二乘支持向量回归机全局最优参数。最后,返回回归模型中进行定位计算,实现节点定位。仿真结果表明,所提出的方法与最小二乘和最小二乘支持向量回归机定位方法相比,可以提高节点定位精度。     

灰色系统参数识别方法对桩承载力预测的影响

根据超长桩承载力序列数据的变化特性,建立相应的非等步长灰色GM(1,1)模型,在确定模型的系统参数时,通常采用差分方程代替灰微分方程的方法,使用该方法建立的模型,进行超长桩承载力预测会产生较大误差,预测结果会出现偏高或偏低的现象,为了提高模型预测的精度,本研究基于优化理论,建立误差目标函数,利用非线性最小二乘法,识别超长桩承载力灰微分方程的系统参数,建立基于优化法的灰色-优化模型。采用优化法建立的模型系统预测超长桩的承载力,预测值和试验值吻合较好,与采用差分法建立的灰色-差分模型相比,预测精度进一步提高,可为超长桩承载力的预测提供参考。