共查询到20条相似文献,搜索用时 140 毫秒
1.
基于PSO-WSVR的短期水质预测模型研究 总被引:2,自引:0,他引:2
针对传统方法很难建立精确的非线性水质预测模型的情况,提出了基于粒子群优化加权支持向量回归机(PSO-WSVR)的水质短期预测模型.在建模过程中,根据各样本重要性的差异,给各个样本的惩罚系数赋予不同权重,改进了标准支持向量回归机算法,克服了标准支持向量回归算法因不同样本均采用相同权重造成预测精度低的问题,并采用粒子群优化算法对加权支持向量回归机参数组合进行自适应优化,模型收敛速度明显加快.运用PSO-WSVR模型对江苏宜兴市集约化河蟹养殖池塘水质进行预测,与标准支持向量回归机和BP神经网络对比分析.结果表明,该模型性能可靠、泛化能力强,预测精度高,为集约化水产养殖水质短期预测提供了一种新思路. 相似文献
2.
建立了一种基于支持向量机的不等时距灰色组合预测模型.利用各种不等时距灰色模型的预测结果作为支持向量机的输入,实测值作为支持向量机的输出,并采用LS-SVM回归算法和高斯核函数对支持向量机进行训练,利用训练好的支持向量机即可进行组合预测.该模型兼具灰色模型所需原始数据少、建模简单、运算方便的优势和最小二乘支持向量机具有泛化能力强、非线性拟合性好、小样本等特性,弥补了单一不等时距预测模型的不足,避免了神经网络组合预测易于陷入局部最优的弱点.模型结构简单、实用,仿真结果验证了其有效性. 相似文献
3.
《武汉大学学报(工学版)》2017,(2):174-181
针对岩体边坡位移预测难度大的问题,结合支持向量机-小波神经网络,提出了一种新的岩体边坡位移时序预测模型——支持向量机-小波神经网络预测模型.通过对实测位移值的学习,并借助遗传算法参数寻优的支持向量机对位移时间序列的宏观发展趋势进行滚动预测;在此基础上利用小波基函数变换分析序列的局部特征,通过2维情况下的序列局部走势方向的选择、实测值与支持向量机拟合值的相对误差与绝对误差等指标的分析,达到对预测值优化改进的目的.将该模型应用到某工程面板堆石坝坝肩强卸荷岩体边坡位移的时序预测中,结果表明,该模型具有可靠度和精度高的优点,可应用于岩体边坡位移预测分析. 相似文献
4.
煤炭需求量预测的支持向量机模型 总被引:9,自引:0,他引:9
根据选择的嵌入维数,建立了基于支持向量回归的中国煤炭需求量预测模型.用1980-2002年的中国煤炭需求量构造了支持向量机的输入向量和输出向量;经过与线性核函数及Sigmoid核函数的对比,选用基于径向基函数(RBF)作为校函数,在分析预测误差和模型参数关系的基础上,选择了合适的参数;建立了多输入、单输出的支持向量机(SVM)预测模型.用检验样本与基于RBF神经网络模型的预测进行了比较,结果表明支持向量机模型在训练样本较少的情况下,仍有较高的预测精度和较强的泛化能力,证明了该模型时近期的预测是可靠的.最后用训练好的支持向量机模型很好地预测了2003-2006年我国的煤炭需求量. 相似文献
5.
基于支持向量机的光伏发电功率预测 总被引:1,自引:0,他引:1
分析了光伏系统的发电特性以及影响光伏发电的因素,建立了基于支持向量机的光伏系统发电功率预测模型.该模型以结构风险最小化原则取代了传统机器学习方法中的经验风险最小化原则,在小样本的机器学习中有着优异的性能.用某一天的数据作为训练样本集,首先对数据进行去噪和归一化,然后用支持向量机方法对样本集进行训练和发电功率预测.仿真结果表明,基于支持向量机的预测模型具有较高的精度,可用于光伏发电系统的预测. 相似文献
6.
基于SVM的光伏最大功率跟踪的预测研究 总被引:1,自引:0,他引:1
针对光伏组件中常用的最大功率跟踪方法存在的不足,将支持向量机用于预测光伏组件的最大功率点工作电压.支持向量机是一种新型的机器学习方法,该方法以结构风险最小化原则取代传统机器学习方法中的经验风险最小化原则,在小样本的机器学习中有着优异的性能.根据光伏组件的特点和最大功率点工作电压的影响因素,建立了支持向量机的最大功率点工作电压预测模型.实际仿真分析表明,与BP神经网络的模型相比,支持向量机的模型具有更高的预测精度. 相似文献
7.
《南方冶金学院学报》2017,(5)
针对传统的决策树区域滑坡预测模型难以刻画诱发因子雨量值的问题,提出了不确定模糊ID3决策树模型.首先设计了面积积分法,结合复合型隶属度函数将不确定属性模糊化以刻画雨量值,并结合ID3决策树算法,构造区域滑坡危险性预测模型,对延安市宝塔区进行滑坡危险性预测.实验数据结果证明,该模型的预测精度达到了可信要求,高于模糊ID3决策树预测模型;与不确定决策树算法和不确定多分类支持向量机算法相比,不确定模糊ID3算法具有预测精度收敛快和受样本数量影响较小等优势,具备较强的实践意义. 相似文献
8.
郑冠雨 《河南工业大学学报(自然科学版)》2014,(3):88-91,104
考虑影响混凝土强度的主要因素,基于遗传算法与支持向量机回归原理,建立高强混凝土强度预测的支持向量机模型.该模型利用遗传算法来搜索最佳向量机及核函数参数,以实测混凝土强度数据为样本进行训练,并对测试样本进行预测.结果表明,遗传支持向量机方法泛化能力强,预测精度高,是大型粮仓建筑高强混凝土强度预测的一种有效方法. 相似文献
9.
针对神经网络拓扑结构复杂、易出现过度训练、仅获局部最优解的问题,为提高锅炉对流受热面清洁时潜在吸热量预测的准确度,更好地进行受热面污染监测,提出了一种新的基于最小二乘支持向量机的对流受热面清洁时潜在吸热量预测方法。依据最小二乘支持向量机预测原理,建立对流受热面清洁时潜在吸热量最小二乘支持向量机预测模型,同时建立神经网络预测模型进行对比研究,实例研究结果表明,最小二乘支持向量机较神经网络具有更高的拟合度,预测各性能都高于神经网络,其在对流受热面清洁时潜在吸热量预测方面明显优于神经网络,将成为对流受热面清洁时潜在吸热量预测也即受热面污染监测方面更为有利的工具。 相似文献
10.
《南方冶金学院学报》2020,(1)
针对基于少量样本的长短记忆时(LSTM)神经网络深基坑变形预测精度较低的问题,提出组合的LSTM-GM预测模型,并运用于地铁深基坑变形预测。将LSTM预测结果的波动项,采用灰色模型(GM)对波动项进行循环预测,满足阈值则完成循环。通过3组不同样本数据的实验,结果表明组合模型在少量样本情况下预测精度高于LSTM模型。此外,将该模型与适用于深基坑变形预测的BP神经网络预测模型和支持向量机(SVM)预测模型对比,分析发现组合模型结合了LSTM预测模型和GM预测模型的优势,拥有更好的预测效果,预测结果趋势符合实际。 相似文献
11.
A new mathematical model to estimate the parameters of the probability-integral method for mining subsidence prediction is proposed. Based on least squares support vector machine (LS-SVM) theory, it is capable of improving the precision and reliability of mining subsidence prediction. Many of the geological and mining factors involved are related in a nonlinear way. The new model is based on statistical theory (SLT) and empirical risk minimization (ERM) principles. Typical data collected from observation stations were used for the learning and training samples. The calculated results from the LS-SVM model were compared with the prediction results of a back propagation neural network (BPNN) model. The results show that the parameters were more precisely predicted by the LS-SVM model than by the BPNN model. The LS-SVM model was faster in computation and had better generalized performance. It provides a highly effective method for calculating the predicting parameters of the probability-integral method. 相似文献
12.
针对PM2.5浓度的非线性和不确定性,提出了一种基于集成树-梯度提升决策树(EnsembleTrees-GBDT)的PM2.5预测模型.该模型首先在集成树框架下进行特征选择,即选取PM2.5浓度主要影响因素,使用算术均值聚合法计算出各项特征对PM2.5浓度增加的影响程度,并以影响程度由强到弱的次序排序;其次使用网格搜索对GBDT算法进行参数优化,选取树的深度等参数的最优值;最后构建完整的PM2.5浓度集成预测模型.使用北京市2015-2016年的污染物浓度和气象条件观测值2个数据集,对模型进行了预测仿真实验.对比实验结果表明,所提出的EnsembleTrees-GBDT预测模型相比于决策树、随机森林、支持向量机等模型,具有更低的平均绝对误差和均方根误差,同时具有更好的泛化能力,能够更准确地预测PM2.5浓度,并实现对PM2.5浓度影响因素的有效分析. 相似文献
13.
提出基于GM(1,1)-SVM的滚动轴承故障诊断及预测方法.首先,提取滚动轴承各类故障和正常状态下振动信号的时域及频域特征值,然后,选取重要特征参数建立预测模型,进行特征值预测;最后,使用轴承各类故障特征值和正常状态特征值训练二叉树支持向量机,构造滚动轴承决策树,判别故障,实现对故障类型的分类,从而达到对轴承故障诊断,并通过预测值与支持向量机实现故障预测的目的,突破传统算法不能有效预测轴承故障的局限性. 相似文献
14.
15.
针对二维视觉在线测量工件时,照度变化因素导致测量误差的问题,提出基于遗传算法优化的最小二乘支持向量机(GA-LSSVM),建立照度误差模型的方法. 分析视觉测量系统的误差来源,通过最小二乘法分析照度影响下的误差规律. 利用照度变化误差实验,获得照度和测量系统的误差数据,分别训练GA-LSSVM、支持向量机(SVM)以及BP神经网络,建立照度和测量系统误差模型,对系统测量误差进行预测. 结果表明:在变照度测量误差预测模型中,GA-LSSVM模型、SVM模型及BP神经网络模型的预测精度分别为94.90%、90.23%及80.60%. 这表明遗传算法优化的最小二乘支持向量机建立的变照度误差模型,在拟合和预测精度上优于传统的BP神经网络. 相似文献
16.
结合PLS-DA与SVM的近红外光谱软测量方法 总被引:1,自引:0,他引:1
为了提高近红外光谱分析精度,提出结合偏最小二乘判别分析(PLS-DA)与支持向量机(SVM)的软测量方法(PLS-DA-SVM).该方法利用一组由不同类别组成的训练样本,引入二叉树进行多重分类,节点分类器由PLS-DA方法建立;利用偏最小二乘支持向量机(PLS-SVM)建立每类样本的定量模型.预测时,用PLS-DA分类树对待测样本进行分类,选择相应的PLS-SVM模型进行定量分析.实验利用PLS-DA-SVM方法和近红外光谱数据建立汽油的研究法辛烷值软测量模型,针对2个批次共计57个成品汽油样本进行蒙特卡洛交叉检验.结果表明,对汽油牌号进行识别,平均分类错误率为0.07%,低于其他常用分类方法;对研究法辛烷值进行预测,均方误差达到0.243,复相关系数达到0.991,较PLS、LS-SVM等方法有显著提高. 相似文献
17.
故障预测对保障复杂设备的安全可靠工作具有重要意义,但往往难以建立起准确的解析形式的数学模型,因此常常依赖于通过观测所获得的混沌时间序列进行预测分析.为了提高预测的有效性和准确性,基于支持向量机预测理论,提出考虑全部相关多参数混沌时间序列中的信息,进行多参数相空间重构产生训练样本,并建立了多参数自适应最小二乘支持向量回归预测模型.以某设备三个相关参数的仿真混沌时间序列为例进行了预测实验,结果表明该方法有较好的预测精度,是一种有效的预测方法. 相似文献
18.
针对目前岩体结构面粗糙度系数(JRC)定量评价模型构建困难且预测精度较低的问题,搜集包括10条Barton标准剖面线在内的112条岩体结构面JRC,统计各剖面线的8种形态参数. 采用主成分分析降维处理形态参数,共得到5个主成分. 以前102组剖面线参数作为训练样本,采用Boosting-决策树C5.0算法构建模型,以10条Barton标准剖面线验证模型精度. 对比决策树C5.0模型、CHAID决策树模型、支持向量机(SVM)模型、类神经网络模型,分析各模型预测效果. 结果表明,Boosting-决策树C5.0模型的预测结果平均误差、均方根误差均最小. 建立的显式JRC预测模型,包含8层共计68节点的判别阈值. 相似文献
19.
利用支持向量机方法预测储层产能 总被引:3,自引:0,他引:3
支持向量机方法(SVM)是基于结构风险最小化原理,采用核函数处理技术,较好的适应小样本、非线性和局部极小点等实际问题,克服了常规统计方法的局限性,避免了维数灾难.能够在有限的样本集基础上,兼顾模型的通用性和推广性,有效解决了学习性和延拓性的问题,预测精度更高.实际生产中影响储层产能因素众多,各因素间相互影响,在综合考虑地层因素的基础上,提取了测井产能预测参数,利用支持向量机方法对产能进行了预测,预测结果与实际一致,并将处理结果与多元回归及BP神经网络处理结果进行了对比分析.实践表明支持向量机方法优于后两种方法,是一种值得推广使用的方法. 相似文献
20.
基于差分进化优化的约简最小二乘支持向量机 总被引:1,自引:0,他引:1
针对最小二乘支持向量回归机的解缺乏稀疏性、预测速度慢等问题,采用向量相关分析在高维特征空间约简支持向量.为使约简模型能最佳逼近原模型,提出原模型与约简模型预测训练样本的平方误差和作为新性能评价准则.为得到最优约简模型,定义了离散加法、减法和乘法算子,并将新性能评价准则作为适应度函数,采用整数编码的差分进化算法进行全局优... 相似文献