玉米粉中苯甲酸的太赫兹光谱定量检测研究

为了检测玉米粉中苯甲酸的含量，控制苯甲酸在玉米粉中使用量，提高食品安全等级，采用太赫兹光谱技术对玉米粉中苯甲酸含量进行定量研究，获得了玉米粉中不同质量分数的苯甲酸在0.5THz~3THz的光谱数据。采用偏最小二乘、最小二乘支持向量机和多元线性回归构建光谱模型，未参与建模的样品用来进行模型评估, 并利用预测集相关系数R_p和预测集均方根误差e_RMSEP对模型进行了评价。结果表明, 最小二乘支持向量机模型评价能力最强，预测集相关系数R_p=0.9958，预测集均方根误差e_RMSEP=0.0057。说明太赫兹技术结合化学计量学方法可以用于定量检测玉米粉中苯甲酸的含量。     

近红外光谱和模式识别技术在西湖龙井与浙江龙井茶叶鉴别中的应用

为了鉴别西湖龙井和浙江龙井茶叶,采用近红外光谱分析技术结合化学计量学方法建立了识别模型。先对原始光谱进行标准正态变换（StandardNormalVariant,SNV）预处理,然后分别采用最小二乘判别分析（Partial Least Square Regressiondiscriminant Analysis,PLSDA）、最小二乘支持向量机（Least Square Support Vector Machine,LSSVM）和径向基人工神经网络（Radia lBasis Function Neural Network,RBFNN）三种模型对西湖龙井和浙江龙井茶叶进行预测。最小二乘支持向量机参数通过网格搜索和完全交叉验证得到优化。经优化后,惩罚系数（y）和核函数参数（б2。）分别为229．1和124．9;RBFNN最佳隐藏层神经元个数为27个。通过比较可知,LSSVM的预测性能最好,其校正集均方根误差（RMSECV）和相关系数（R。）分别为0和1,验证集均方根误差（RMSEP）和相关系数（R2）也分别为0和1,分辨正确率为100％。     

近红外光谱结合GA-LSSVR分析烟草尼古丁含量

为了提高近红外光谱快速检测烟草尼古丁含量的精度和稳定性,利用近红外光谱结合遗传算法-最小二乘支持向量回归(GA-LSSVR)建立了回归预测模型。在LSSVR模型建立过程中,采用遗传算法对LSSVR参数进行自动优化。相比于利用常规最小二乘支持向量机和遗传偏最小二乘法等建立的回归预测模型,GA-LSSVR法建立的回归预测模型泛化能力更强,预测效果更好,验证集相关系数R2为0.9766,预测均方根误差为0.1065。研究结果表明,GA-LSSVR是一种快速准确的建模方法,为烟草尼古丁含量的近红外测定和近红外光谱数据的处理提供了新的方法与途径。     

LSSVM模型下的LCVR相位延迟特性标定方法

为了标定液晶相位可变延迟器(Liquid Crystal Variable Retarder,LCVR)的相位延迟特性,在25℃、405 nm波长下,利用搭建的测量装置采集了141组实验样本,其中71组样本为训练集,70组样本为预测集,利用最小二乘支持向量机(Least Squares Support Vector Machines,LSSVM)和支持向量机(Support Vector Machines,SVM)算法建立LCVR相位延迟量和驱动电压相关数学模型。实验表明,GASVR、PSOSVR、LSSVM方法下最大波长偏差分别为0.013 6、0.013 7和0.004 5,均方误差提高两倍,通过比较,说明该模型能快速准确地预测LCVR工作范围内全部波长、全部电压值下的相位延迟。该方法可作为LCVR相位延迟特性标定的有效手段。     

基于LSSVM的六价铬含量预测模型

设计一种六价铬自动测量系统,为提高测量的准确度,使用最小二乘支持向量机(LSSVM)算法建立预测模型,并使用混合蛙跳算法优化LSSVM算法的参数,可避免算法收敛于局部最优,增强算法的泛化能力,减少算法对异常样本的预测偏差,提高精度。通过对神经网络模型及LSSVM模型进行仿真对比,结果显示LSSVM模型的六价铬含量预测误差更小。     

黄酒总酚含量检测:一种基于GA-LSSVM的近红外光谱波段选择方法

主要研究了近红外光谱技术对成品黄酒中总酚含量快速检测的可行性。针对近红外光谱样本少、非线性等特点,首次将最小二乘支持向量机(Least squares support vector machines,LSSVM)方法引入到传统遗传算法(genetic algorithms,GA)的波长选择中,提出一种基于GA-LSSVM的近红外光谱波段选择方法。该方法采用LSSVM建立小样本下不同波段的非线性模型,然后通过GA算法进行波长的优化选择。应用中,基于GA-LSSVM模型的总酚预测集相关系数(Rp)为0.9734,预测均方根误差(RMSEP)为5.5596,相比于传统方法,GA-LSSVM算法能够较好地提取非线性信息,预测效果更好。     

2-巯基苯并噻唑的太赫兹时域光谱定量研究

为了减少由于橡胶促进剂2-巯基苯并噻唑(MBT)掺假而导致橡胶制品质量不过关的问题，提出利用太赫兹时域光谱技术对MBT的有效含量进行定量研究。利用太赫兹透射测量得到MBT和聚乙烯混合物在0.3THz~1.4THz的吸收特征谱，提出了一种基于最小二乘支持向量回归(LS-SVR)的MBT定量检测模型，将LS-SVR模型分别与偏最小二乘模型和支持向量机回归模型进行比较，得到模型预测集均方根误差分别为1.1330%，2.5583%和2.3869%。结果表明，LS-SVR的定量模型可取得更好的效果，其精度更高，稳定性更好。本研究为MBT定量检测提供了新的快速且有效的方法。     

醇类汽油定性定量分析通用模型的研究

为了建立醇类汽油定性定量分析判别的通用模型，采用WQF-510A傅里叶变换红外光谱仪与OPUS光谱采集软件获得甲醇汽油、乙醇汽油的中红外光谱。利用主成分（PC）分析和偏最小二乘（PLS）判别法对醇类汽油样品进行定性判别；通过无信息变量消除进行波段筛选，并基于无信息变量消除-偏最小二乘（UVE-PLS）和无信息变量消除-最小二乘支持向量机（UVE-LSSVM）两种方法分别建立醇类汽油的通用模型后用数据进行评价检验。结果表明，利用PC和DPLS对醇类汽油样品定性判别准确率达到100%；基于UVE-LSSVM方法建立的通用模型效果最好，决定系数和预测集均方根误差分别为0.945和2.187。该研究表明醇类汽油定性定量分析判别通用模型是可行的，该模型可以作为醇类汽油醇含量检测的技术参考和理论依据。     

基于改进型鲸鱼优化算法和最小二乘支持向量机的炼钢终点预测模型研究

终点碳含量是决定钢质量的关键因素,是转炉炼钢过程中需要控制的核心变量之一.本文建立了一种基于莱维飞行的鲸鱼优化算法（Levy Whale Optimization Algorithm,LWOA）和最小二乘向量机（Least Squares Support Vector Machine,LSSVM）的钢水终点碳含量综合预测模型.通过莱维飞行代替了传统鲸鱼优化算法（Whale Optimization Algorithm,WOA）参数的随机选择,优化了鲸鱼算法中跳出局部最优的能力;借助改变鲸鱼算法的系数向量收敛方式明显提高了鲸鱼优化算法的泛化能力、预测精度和收敛速度.数据仿真结果表明,所提出的LWOA-LSSVM预测模型,不仅能够克服局部寻优获取全局最优解,而且具有快速的收敛速度和更高的预测精度,得出预测结果的均方根误差、平均绝对误差和平均绝对百分比误差与遗传算法BP神经网络、遗传算法最小二乘支持向量机和传统鲸鱼算法最小二乘支持向量机相比均有着明显提高.同时,通过调整目标命中率和训练输入样本量验证了预测模型具有更好的鲁棒性.     

组合核函数优化的稀疏最小二乘支持向量机

针对传统最小二乘支持向量机(LSSVM)稀疏性较差的问题,在传统支持向量机的基础上提出了新的LSSVM模型,并对其进行优化。利用选主元Cholesky分解,进行迭代操作,简化求解过程;利用径向基-卡方组合核函数,提高核函数的稀疏性;最后利用遗传算法,对组合核函数与支持向量机的参数寻优,解决了传统LSSVM在大样本情况下稀疏性较差,求解时间过长的问题,提高了LSSVM的泛性与精确度。仿真实验证明了所提出的模型是有效的。     

基于LS-SVM测量生物组织光学参量的实验研究

为了实现无损测量生物组织光学参量,利用CCD技术结合最小二乘支持向量机,对测量组织模拟液的光学参量进行了实验研究。通过实验测量了组织模拟液的表面漫反射光分布,建立了漫反射光分布与光学参量间的最小二乘支持向量机回归模型,该模型实现了小样本条件下对组织模拟液光学参量的预测误差仅为5%。结果表明,最小二乘支持向量机结合CCD测量技术能够准确测量组织模拟液的光学参量。     

基于太赫兹辐射的黄芩苷光谱分析及定量检测

采用太赫兹时域光谱系统测试黄芩苷混合物的光谱,发现黄芩苷混合物在0.3～1.5 THz波段具有明显的吸收特征;采用二维相关光谱(2DCOS)算法进行分析后发现,混合物光谱对外扰变量(黄芩苷的浓度)变化敏感。在光谱分析的基础上分别建立了基于支持向量机(SVM)和偏最小二乘法(PLS)的定量分析模型,采用Kenard-Stone(KS)法选择模型的校准集和验证集,引入相关系数和均方根误差评价建模效果。结果表明:基于支持向量机和偏最小二乘法的定量分析模型的预测数据与实际数据均表现出良好的相关性,并且均方根误差较小,能够实现对黄芩苷的定量检测;SVM模型的预测结果优于PLS模型。研究结果为药物质量检测提供了一种新方法,对药物的质量检测具有重要意义。     

基于可见/近红外光谱技术的黄瓜叶片SPAD值检测

为了快速准确检测黄瓜叶片的SPAD值,采用可见/近红外光谱技术并结合化学计量学方法建立了黄瓜叶片SPAD值校正模型.并用不同建模方法对全波段光谱进行建模,结果表明用最小二乘支持向量机(LSSVM)建模得到的预测效果最好,其相关系数r和预测均方根误差RMSEP分别为0.9583和0.9732.通过分析黄瓜叶片的光谱反射率与SPAD值的相关系数和PLS建模回归系数,得到了531~581nm和696~716nm 2个特征波段以及556nm、581nm、698nm和715nm 4个特征波长,应用LSSVM分别对特征波段和特征波长建模.分析表明,采用特征波段建模,其预测相关系数r和预测均方根误差分别为0.9338和1.1370,与全波段建模结果相近,而采用特征波长建模效果稍差.特征波段建模大大减少了建模中的运算量,提高了建模速度,便于相应检测仪器的开发,所以,采用光谱特征波段建模对黄瓜叶片SPAD值的检测更为有效.     

基于相空间重构与最小二乘支持向量机的时延预测

针对网络控制系统的时延预测问题,提出一种基于相空间重构与最小二乘支持向量机的时延预测方法.首先利用0-1测试法确定时延序列具有混沌特性,引入相空间重构技术提高预测精度.对实际采集的时延序列进行Hurst指数分析,选择最小二乘支持向量机作为预测模型.然后利用C-C方法确定时延序列相空间重构参数,通过递归图确定时延序列的局部可预测性,利用遗传算法对最小二乘支持向量机的参数进行离线优化.最后通过优化后的最小二乘支持向量机并结合相空间重构对时延序列进行在线预测.与其它预测方法进行了仿真对比,结果表明本文方法具有更高的预测精度与更小的预测误差,同时并未降低预测算法的实时性.     

基于LSSVM的威布尔分布形状参数估计

固态介质击穿寿命特性通常用威布尔分布来描述,形状参数卢反应了固态介质的失效特征,因而需要精确估计β值.提出了在小样本情况下基于最小二乘支持向量机(LSSVM)的参数评估方法,并给出了LSSVM在MOS电容与时间有关的击穿寿命分布评估中的应用实例,并与常规的最小二乘评估方法相比,得到的结果表明LSSVM的评估精度更高(均方误差更小)、鲁棒性更好,在小样本情况下能更精确地确定威布尔分布的形状参数.     

基于小波分解和最小二乘支持向量机的COD预测

膜生物反应器(MBR)的化学需氧量(COD),其值大小反映污水处理系统是否良好运行,对整个系统正常运行有重要意义.我们针对COD的非线性特征,引入基于小波分析和最小二乘向量机(LSSVM)的预测模型(WLSSVM).利用Mallat塔式分解算法获取趋势项与随机项,然后利用最小二乘支持向量机对时间序列分别预测,最后将各尺度下的分量整合作为预测值.试验结果表明,该模型具有较高的精度,是科学可行的.     

最小二乘支持向量机和预测误差校正的运动员成绩预测

为了获得更好的运动员成绩预测结果,提出最小二乘支持向量机和预测误差校正的运动员成绩预测模型。首先通过提升小波和最小二乘支持向量机对运动员成绩进行建模和预测,然后通过误差校正方式对运动员成绩的预测结果进行校正,最后通过运动员成绩预测实例对模型的有效性进行测试,并与其他运动员预测模型进行对比实验,验证其优越性,结果表明,所提模型降低了运动员成绩的预测误差,并且通过误差校正提高了运动员成绩预测结果的稳定性,预测精度要优于其他运动员成绩预测模型。     

基于最小二乘支持向量机的短期负荷预测模型

支持向量机（SVM）是近年来发展起来的机器学习的新方法,它较好地解决了小样本、非线性、高维数、局部极小点等实际问题。研究了支持向量机的拓展算法——最小二乘支持向量机（LSSVM）,并将其应用于电力系统短期负荷时间序列预测。通过实例并与神经网络模型预测结果相比较表明,LSSVM模型的预测精度要明显高于神经网络模型,验证了LSS-VM模型可以很好地应用于短期负荷时间序列预测,并且具有较高的准确性与有效性,这为短期负荷预测提供了一个新的解决思路。     

改进粒子群算法优化最小二乘支持向量机的网络流量混沌预测

为了提高网络流量的预测准确性,针对最小二乘支持向量机参数优化方法的缺陷,提出一种改进粒子群算法优化最小二乘支持向量机的网络流量混沌预测模型。首先将最小二乘支持向量机参数作为粒子初始位置,然后通过粒子群之间信息交流、互相协作找到最优参数,并对惯性权重和学习因子进行改进,最后对网络流量数据进行重构,并采用最优参数的最小二乘支持向量机建立网络流量预测模型。实验结果表明,本文模型提高了网络流量的预测精度,并大幅度减少了训练时间,可以满足网络流量在线预测要求。     

基于在线最小二乘支持向量机的变形镜建模与控制

为消除变形镜的建模误差，提出了基于在线最小二乘支持向量机的变形镜建模方法。首先，分析了温度和驱动器非线性等因素对变形镜响应矩阵的影响；然后，介绍了最小二乘支持向量机及在线更新的原理，并将其引入97单元变形镜的集成仿真模型。根据变形镜不断更新的运行数据，最小二乘支持向量机进行在线训练和模型更新，构建当前状态变形镜的等效模型，并输出下一时刻的电压预报值。仿真结果表明:基于在线最小二乘支持向量机的变形镜建模方法摆脱了固定模型的约束，具有自适应更新的特点，稳健性好，控制电压预测精度高，有利于提高自适应光学系统的控制精度。