基于SVR的城市供水管网余氯预测分析

支持向量机回归(SupportVector Regression SVR)算法是结构风险最小化原理在函数回归方面的应用。根据北方某城市供水管网余氯的人工采样数据,建立了基于SVR的余氯预测模型,并与人工神经网络、多元线性回归方法进行比较分析,结果表明:在有限样本情况下,SVR模型具有良好的泛化推广能力,各监测点模型预测平均相对误差为1.80%~8.73%,并可获得全局最优解,达到了实用要求,较好地解决了以往管网余氯小样本预测时,常常出现拟合精度高、预测效果较差的问题。     

基于ARIMA和SVR的短期电力负荷预测

为提高用电量的预测精确度,将自回归差分移动平均(ARIMA)与支持向量机(SVR)模型相结合来进行预测。以用电数据为研究对象,借助ARIMA模型实现对电力数据的线性趋势预测,通过SVR回归模型对ARIMA模型的预测残差进行数据修正,得到ARIMA＿SVR模型的预测值。实验结果表明,相较于传统ARIMA模型,ARIMA与SVR组合模型的性能和预测精度都得到大幅提升,具有一定的学术价值和应用意义。     

基于PCA改进的LS—SVM公路旅游客流量预测模型

公路交通旅游客流量的影响因素众多,加大了预测模型输入变量的复杂性,降低了模型的运行速度和预测精确．首先,利用主成分分析对公路旅游客流量影响指标进行综合分析,得到主成分即输入变量,然后建立以主成分为输入变量,以客流量为输出变量的最小二乘支持向量机预测模型．通过实例验证和比较,展示了基于主成分分析改进的最小二乘支持向量机公路交通旅游客流量预测模型,具有较好的预测效果和较高的应用价值．     

基于DE优化SVR的锂离子电池剩余容量预测

在分析了支持向量机回归算法(SVR)对剩余容量模型非线性回归基础上,针对SVR参数选择难的问题,提出了一种基于微分进化(DE)算法优化SVR的算法。DE具有强劲的全局搜索能力,将其应用到SVR的参数寻优当中去,可以寻找到SVR的最优参数。将该方法应用于锂离子电池剩余容量的预测模型,并将生成的模型和基于粒子群优化(PSO)算法的SVR锂离子电池容量预测模型比较。仿真结果表明,基于DE优化的SVR剩余容量预测的精准度高于PSO优化的SVR剩余容量预测精准度,为锂离子电池容量预测提供了一种新的方法。     

基于卷积神经网络和SVR的年龄估计

人脸图像年龄估计已经成为计算机视觉领域中一个重要的研究课题,具有广泛的应用价值。利用在IM?DB-WIKI年龄数据库上训练得到的卷积神经网络(CNN)提取特征,并利用主成分分析对特征进行降维,最后利用支持向量机回归的方法进行年龄估计。还讨论了对CNN不同层输出的特征进行融合的结果。在FGNET标准年龄数据库上对该算法进行了测试,实验结果表明,本文算法平均绝对误差较小,优于传统的年龄估计方法。     

PSO—SVR在果酒生物活性物质预测中的应用

针对BP神经网络和遗传算法对果酒生物活性物质预测存在速度慢和精度低的缺点,建立了基于支持向量回归机（SVR）的果酒生物活性物质预测模型。鉴于支持向量机模型的精度和泛化能力很大程度取决于不敏感损失系数ε、惩罚系数C和RBF核函数的宽度系数7三个参数,模型采用粒子群算法对三个参数同时进行优化,实现了果酒生物活性物质的非线性预测。仿真结果表明：基于PSO—SVR算法的果酒生物活性物质预测模型性能优于所比较的BP神经网络模型和支持向量回归机模型,能有效提高果酒生物活性物质的预测精度和稳定性。     

基于支持向量回归学习机的网络流量预测

对最小二乘支持向量机的回归算法做了改进,并将其应用到网络流量预测中,在linux下编写网络抓包程序,统计出一个网段节点的流量,与文中算法所得到的预测结果进行对比,实验结果表明,将最小二乘支持向量机用于网络流量的预测,可以取得令人满意的效果.     

基于SVR和工程录井参数的砂岩储层孔隙度计算方法研究

以砂岩储层为分析对象,首先利用相关分析的方法,优选出与砂岩孔隙度强相关的工程录井参数,然后利用支持向量回归算法建立工程录井参数与测井孔隙度的回归模型,在没有随钻测井的情况下,利用该模型可以在钻井过程中实时对储层的孔隙度进行定量评价。在实际应用中,74.07%的砂岩储层,其模型计算孔隙度与测井孔隙度的相对误差小于10%,在储层的随钻评价过程中具有较高的参考价值。     

基于扩张因果卷积的城市客流量预测算法

人群的迁移行为可以通过时空相关轨迹和用户上网行为进行记录。通过分析用户的上网行为分布情况发现,用户在不同场景下的浏览内容具有一定的偏好性,据此构建了融合用户上网行为及迁移行为异构信息网络表征城市人群的转移行为。基于该异构信息网络,提出了一种基于扩张因果卷积的城市客流量预测模型,采用扩张因果卷积模块捕捉客流量分布特征和用户上网行为特征,并构建了异构信息融合模型来融合客流量分布特征与用户上网行为特征。客流量分布特征提取是通过不同时间尺度下时间序列提取客流量时间依赖关系,用户上网行为特征提取是根据2种场景下的用户上网内容。特征提取采用扩张因果卷积减少了模型层数,提高了模型效率。异构信息融合模型融合了多维特征信息,提高了模型在预测有突发事件时的即时客流量的准确率。     

上海地铁周客流量的数值分析与预测

构建周客流日均量的回归模型,测算上海地铁周客流日均量趋势值,并估测重大节假日前客流量的可能范围.经实证检验,系统实际客流量预测误差为2%左右.该方法关注节日前夕最大客流量达到的量,而忽略到达的具体时间.     

基于Legion的城市轨道交通车站客流组织仿真与评价

微观仿真技术是轨道交通车站客流组织优化的有力手段.通过分析、对比国内外行人仿真模型及软件的发展历程和优缺点,选取Legion软件作为仿真平台,以北京地铁呼家楼站作为实例,对客流组织进行仿真研究.针对现阶段车站客流需求和存在的问题,提出改进方案并建立仿真模型,利用平均客流密度和设施服务水平等指标对方案进行评价,归纳得出适用于一般轨道交通车站客流组织的经验,最后指出基于仿真手段进行车站客流组织优化及评价的发展方向.     

结合用地性质的北京市轨道客流特征分析

随着城市轨道建设的快速发展,北京市轨道交通已经进入网络化阶段.为了应对日益复杂的客流特性,收集北京市轨道交通AFC(Auto Fare Collection)刷卡数据,对北京市轨道交通既有线路的客流历年变化规律和基本特征进行分析;然后结合国内外城市轨道交通网络化特点,从北京市全网客运强度、换乘系数、平均运距方面,分析轨道交通客流特征;其次从线路、站点两个层面,结合站点周边用地特性,阐述北京市轨道交通进出站规律、换乘规律;基于上述分析,提出未来建设规划中需要注意完善轨道交通与其他交通方式衔接,建立多层次轨道交通管理系统,把握换乘站设计.     

基于历史数据和时间系数的城市轨道站点客流预测

在对城市轨道交通站点客流规律、特点进行分析的基础上,通过对上海市轨道交通系统客流历史数据的深入分析,在引入平假日系数的同时,提出了小时系数的概念,并建立了基于平假日系数和高峰小时系数的城市轨道交通站点客流神经网络预测模型,提高了站点进站客流预测的精度,为城市轨道交通系统客流管理提供了理论基础.     

南昌轨道交通线网客流预测及引导作用分析

南昌将在2020年基本建成城市轨道交通线网,用以解决日益加剧的城市交通问题。本文根据2010年南昌居民出行调查报告对2020年南昌轨道交通线网进行客流预测,分析南昌轨道交通各线路的客流量、客流强度以及对周边土地利用的引导作用。     

支持向量机替代模型的遗传优化设计

针对实际工程中常见的性能函数不能显式表示的优化问题,提出一种基于支持向量机替代模型的遗传优化设计方法。利用试验设计选取合适的设计参数样本点,通过实验或数值仿真获得响应输出,结合遗传算法构建具有参数优化功能的支持向量机替代模型;将支持向量机模型作为目标性能函数,结合其他约束条件完成优化模型的建立,并应用遗传算法进行优化,形成一套准确、高效、适应性强的优化方法。以典型电子装备功分器的结构尺寸优化为例,采用均匀试验设计和高频电磁场仿真软件HFSS获取替代模型训练的学习样本,建立功分器模型的幅度比、相位差和驻波3个响应面目标函数,并对该多目标优化问题进行遗传寻优。     

基于支持向量回归的音频水印提取方法

提出一种新的、基于支持向量回归(SVR)的音频水印提取方法.在该方法中,利用子采样技术将原始音频信号划分为四个子音频信号.这些子音频对应的DCT系数间具有高的相关性,将这种相关性视为一种回归问题.在水印提取过程中,利用支持向量回归来学习这种相关性,并使用训练好的SVR完成水印的提取.实验结果表明该方法对比其它几种方法有良好的性能和更好的鲁棒性.     

基于支持向量机的中长期入库径流预报

采用基于支持向量机的预测模型对水库中长期入库径流进行预报,建立径流预报的SVM模型。预报因子的优劣决定着预测精度的高低。为了提高预报精度,尝试采用模糊优选法对预报因子进行优选。将所建模型应用于新疆雅马渡站的径流预测中,并与没有进行预报因子优选的SVM模型进行比较。结果表明,进行预报因子优化后的SVM模型明显提高了径流的预报精度,具有更高的应用价值。     

基于SEM的轨道交通乘客满意度测评模型

乘客满意度是衡量轨道交通运营服务质量的重要指标。传统测评方法缺乏对满意度影响因素之间因果关系的研究。基于结构方程模型(SEM)建立的乘客满意度测评模型,能反映满意度影响因素之间的因果关系,并采用偏最小二乘法(PLS)估计模型参数。运用四象限分析技术明确轨道交通服务的优势和劣势,利于轨道交通部门改善运营服务质量。以苏州轨道交通一号线为例进行乘客满意度测评,结果表明:基于SEM采用PLS估计方法建立的测评模型,其路径系数正负号与量级符合实际情况,测评结果合理可靠,苏州轨道交通乘客满意程度为比较满意,票价和服务质量是影响乘客满意度最重要的因素,信息宣传、安全稳定和人员服务是影响服务质量最关键的服务方面。     

基于物元分析的轨道交通线网方案分级测度

针对传统轨道交通线网分级测度存在信息屏蔽、主观性强、无定量分析的问题, 根据物元分析理论, 构建基于物元分析的轨道交通线网分级测度模型, 在此基础上建立城市轨道交通线网评价指标体系, 通过成都市轨道交通远景线网规划方案进行实例测算。结果表明, 3个预选方案的综合关联度值分别为B级-0.232, A级-0.224, B级-0.157, 模型测算的最优线网与目前成都主推线网一致。说明构建的物元分析测算模型应用于轨道交通线网方案分级测度是可行的。