基于遗传-支持向量回归的煤层底板突水量预测研究

针对煤层底板突水问题的小样本、非线性特点,采用支持向量回归算法对突水量进行预测,避免了定性分析的局限性。利用遗传算法全局搜索能力的优势,提出了基于遗传算法的支持向量回归参数寻优方法,并建立煤层底板突水量预测的遗传-支持向量回归模型。该模型首先通过遗传算法对训练样本的学习,得到支持向量回归机的最优参数值,然后运用遗传-支持向量回归模型对测试样本进行突水量预测。测试结果表明：与神经网络,传统支持向量回归机的预测值相比,煤层底板突水量预测的遗传-支持向量回归模型精度高,具有较强的泛化能力。     

基于模糊-支持向量机的煤层底板突水危险性评价

提出将模糊理论中的隶属度与支持向量机相结合的模糊-支持向量机模型,用于对煤层底板突水危险性的评价。在对肥城煤层底板突水危险性评价指标体系分析的基础上,通过对肥城矿区10个地段的样本数据训练确定最优的模型参数,并对4个测试样本进行了突水危险性评价。实验表明：该模型能够减少样本数据处理的复杂性,较好地解决小样本、非线性问题,为煤层底板突水危险性的评价提供了一种新方法。     

零售商缺货时点优化协调机制研究

在时变需求、等周期补货模式下构建了零售商与供应商的库存成本模型,通过研究构建的成本模型,发现零售商的缺货时点不仅影响自身的库存成本绩效,还影响到供应商和整个供应链的库存成本绩效;在零售商缺货时点、供应商订货满足需求批数局部优化的基础上,整体优化了零售商缺货时点,并在供需之间建立了一种成本共担协调机制以保证最优情形的实现.     

基于支持向量机的供应链合作伙伴评价

合作伙伴的选择合适与否,深刻地影响着供应链上各个成员的切身利益和整条链的绩效,因此,对供应链中合作伙伴评价方法的研究非常重要.本文在查阅大量文献和实际调查研究的基础上,提出了一套全面反映供应链中合作伙伴实力与品质的指标体系,建立了基于支持向量机的供应链合作伙伴选择理论模型,并对该模型进行了实证研究.结果表明,基于支持向量机的供应链合作伙伴选择方法是有效的,比用BP神经网络评价模型得到的结果更精确、稳定,泛化能力更好.     

带式输送机运行中应解决的问题

着重分析了煤矿带式输送机运行中存在的问题，以及解决此问题的具体办法。     

基于GA-LSSVR的露天矿边坡稳定性预测

针对露天矿边坡稳定性问题的小样本、非线性等特点,利用遗传算法的全局搜索能力优势,提出了基于遗传算法的最小二乘支持向量回归参数寻优方法,并建立基于遗传最小二乘支持向量回归(GA-LSSVR)的露天矿边坡稳定性预测模型。通过遗传算法对LSSVR进行优化,提高了预测精度和速度。实验结果表明,与BP神经网络、LSSVR模型相比,GA-LSSVR的精度更高,基于GA-LSSVR的露天矿边坡稳定性预测模型更有效。     

基于GA-LSSVR的露天矿边坡稳定性预测

针对露天矿边坡稳定性问题的小样本、非线性等特点,利用遗传算法的全局搜索能力优势,提出了基于遗传算法的最小二乘支持向量回归参数寻优方法,并建立基于遗传最小二乘支持向量回归(GA-LSSVR)的露天矿边坡稳定性预测模型。通过遗传算法对LSSVR进行优化,提高了预测精度和速度。实验结果表明,与BP神经网络、LSSVR模型相比,GA-LSSVR的精度更高,基于GA-LSSVR的露天矿边坡稳定性预测模型更有效。     

工程承包商索赔风险评价研究

简述工程承包商索赔风险评价的重要性，提出模糊综合评判和层次分析法相结合的工程索赔风险综合评价模型，并进行工程实例分析，从而提高工程索赔成功率。     

基于GASA的柔性作业车间动态调度研究

针对柔性作业车间调度在机器故障扰动情况下的动态性及工件交货期模糊的情况,研究采用基于事件与周期混合驱动的滚动窗口再调度策略,并运用线性加权和的方法,以最大完工时间最小、能耗最小、客户满意度最大为目标,建立多目标柔性作业车间动态调度模型,并设计了遗传算法与模拟退火算法结合的GASA算法。将算例仿真结果与遗传算法取得的结果进行对比,验证算法的有效性。     

基于特征权重的遗传聚类方法

本文提出的聚类方法与通常的分区聚类方法区别在于：(1)从遗传算法角度考虑聚类问题；(2)在特征权重基础上构造个体适应度函数，通常的聚类方法没有考虑特征对分类的不同影响；(3)用基于罚函数的小生境遗传算法处理聚类问题，最大限度地保证搜索到全局最优解和所有局部最优解。算法具有通用性。