基于支持向量机的交通流组合预测模型

根据天津市某路口的历史数据,采用目前流行的历史平均模型、RBF神经网络、灰色预测法分别建立了天津市某路口交通流量的单项预测模型,然后利用支持向量机模型对多个单项预测模型结果进行了组合预测,以作为其最终的预测值.计算结果表明,采用非线性组合方法比采用单一预测方法的预测精度有了进一步的提高,比较适合交通流预测.     

支持向量机回归集成股市预测模型

利用基于主成分分析的支持向量机回归集成技术,提高集成个体差异度,生成一组优良的神经网络集成个体,将股票指数函数拟合成高维核空间的线性回归函数,求出一个满意的全局最优解,提高股指预测精确度,继而建立一个新型股市预测模型.试验表明,该模型能有效提高神经网络集成系统的泛化能力,预测精度高,稳定性好.     

应用双支持向量回归机的风速预测模型

风速对风电场功率输出起着十分重要的作用,但由于风速具有很强的随机性,使得对其预测的精度不高。针对上述问题,以双支持向量回归机为主要工具,结合风电场的实测风速数据建立了风速预测模型;给出了模型的特征以及相关参数的,并与标准支持向量回归机的预测结果进行了比较。实验结果表明:双支持向量回归机在预测精度上优于标准支持向量回归机,为风电场的风速预测提供了参考。     

基于支持向量机的不等时距灰色组合预测模型

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.     

基于支持向量机的软件缺陷预测模型

软件缺陷预测在软件系统开发的各个阶段发挥着极为重要的作用.利用机器学习的相关方法建立更好的预测模型已经被广泛研究.文章分析了支持向量机SVM作为二值分类模型应用到软件缺陷预测中的实现方法,构造了基于SVM的可迭代增强的缺陷预测模型SVM-DP.在13个基准数据集上开展比较实验,定量地分析了应用各种核函数对SVM-DP模型性能的影响.实验结果显示,应用线性内积核函数的SVM-DP具有最优的预测性能.同时,在与J48的比较实验中,最高超过J48预测模型20％的性能进一步证明了SVM-DP模型应用于软件缺陷预测的有效性.     

基于集成学习的支持向量回归预测模型

作为统计机器学习中最为流行的算法之一,支持向量回归(SVR)在小样本、非线性、高维数据预测中有着许多优越的性质和实验表现。然而,SVR的复杂度直接由训练样本的尺寸n决定(其时间和空间复杂度分别为O(n2)、O(n3)),为此提出了一种基于集成的SVR预测模型。该模型将训练样本多次随机地分割为代表数据子集和验证数据子集,从而建立多个简化的SVR子模型及其评价,再利用组合法形成最终的集成预测器。最后,江西省某县的天气、日尖峰负荷数据用以检验该模型的适用性。     

基于遗传支持向量机的时用水量预测模型

针对传统支持向量机采用交叉验证确定参数耗时较长的不足,提出了基于遗传支持向量机的时用水量预测模型.根据时用水量序列的相关性,确定预测模型的输入参数;利用自适应遗传算法优化支持向量机的参数,建立了时用水量预测模型.实例分析结果表明,与基于传统支持向量机的预测模型相比,基于遗传支持向量机的时用水量预测模型建模速度更快,预测精度更高.验证了所提出模型的合理性和有效性.     

基于支持向量机的区域运量滚动预测模型

为寻求反映区域交通需求特性机理的运量预测方法,针对一般区域运量数据小样本的问题及其诱发因素的随机性和不可控制性,在分析区域交通需求特性及现有运量预测方法缺陷的基础上,采用以统计学习理论为基础的专门研究小样本情况下机器学习规律的支持向量机,建立了区域运量预测支持向量机模型.该模型通过预测值与统计值不断交互,实现区域运量的...     

双支持向量顺序回归机

针对顺序回归问题的深入研究,基于支持向量顺序回归机提出了双支持向量顺序回归机。由于双支持向量顺序回归机所对应的2个优化问题是对称的,则只需求解其中的一个问题,进而得出一个分划超平面。又因其对应的优化问题的规模只是支持向量顺序回归机规模的一半,故其运算速度会快于支持向量顺序回归机。数值实验的结果表明:双支持向量顺序回归机在一些数据分析中具有较高的正确率。     

基于果蝇优化的支持向量机回归模型

给出一种基于果蝇优化的支持向量机回归模型。将支持向量机惩罚因子和核函数参数初始化为果蝇群体,根据果蝇优化算法原理,依据适应度最优原则进行迭代觅食,搜索最优参数,建立模型。将该模型用于分析有机化合物熔点预测问题,结果显示,该模型预测均方误差为3.02%,相关系数达到89.39%。     

基于支持向量机回归的大气加权平均温度

提出一种基于支持向量机回归方法建立的以当地气象数据为输入参数、数值积分法计算的Ｔ_ｍ 为输出参数进行训练得到的大气加权平均温度模型。选取广西地区４个探空站提供的２０１３-２０１４年的气象数据和Ｔ_ｍ 数据为训练样本,２０１５年的两类数据为测试样本,取得最优的模型参数,并以此建立最优的Ｔ_ｍ模型,然后计算２０１５年的Ｔｍ,将其结果与采用线性回归法建立的广西地区的单因素、多因素Ｔ_ｍ 模型的计算结果进行对比分析。结果表明,在选取最优模型参数的条件下,ＳＶＲ建立的Ｔ_ｍ 模型比本地化的单因素和多因素Ｔ_ｍ 模型的精度更高,验证了支持向量机回归在Ｔ_ｍ 建模方面的可行性。     

高速公路动态交通流支持向量机预测模型

为了提高高速公路的交通运行效率,需要实时预测各路段交通流参数状况,通过对高速公路宏观动态交通流模型的分析,以及对SMO支持向量机参数选择的研究,提出了高速公路动态交通流支持向量机预测模型.以西安-宝鸡高速公路交通流信息采集数据对模型进行训练、测试和仿真,预测平均相对误差小于3.84%,表明了模型的有效性.     

基于小波匹配的新小波支持向量机预测模型

针对产品销售时序具有多维、小样本、非线性、随机性等特征,已有的支持向量核不可能精确逼近任意的销售时序曲线.将小波理论应用于支持向量核函数,并对标准支持向量机进行修正,形成一种新的小波支持向量机(WN-ν-SVM).设计了自适应正态变异粒子群算法(ANPSO)对小波支持向量机模型参数进行辩识,并进行了汽车销量预测的实例分析.结果表明,基于WN-ν-SVM模型的短期预测方法是有效可行的,具有理论意义和实用价值.     

基于组合核函数支持向量机的人脸识别

利用K-L变换首先对人脸图像进行特征参数提取,再利用支持向量机进行识别。为了得到学习能力和泛化能力较好的核函数,根据核函数性质,将局部核函数和全局核函数线性组合成新的核函数-组合核函数,采用Cross-Validation方法对其参数和组合系数进行优化选择;将该核函数应用于支持向量机中,并对YALE人脸库和ORL人脸库进行实验。仿真结果验证了该核函数的有效性。与普通核函数的支持向量机的比较实验表明:该组合核函数的支持向量机优于普通核函数的支持向量机。     

工程项目工期风险的支持向量机预测模型

影响建筑施工项目的各种不确定因素错综复杂,为了在工程项目实施前确定工程的最终工期,在介绍支持向量机回归理论的基础上,本文提出了基于支持向量机的工程项目工期风险预测模型。根据以往同类工程的风险数据作为学习样本,训练并构建支持向量机来预测待建项目的工期风险水平。最后的实证研究表明了该预测体系的可行性及可靠性。     

工程项目工期风险的支持向量机预测模型

影响建筑施工项目的各种不确定因素错综复杂，为了在工程项目实施前确定工程的最终工期，在介绍支持向量机回归理论的基础上，本文提出了基于支持向量机的工程项目工期风险预测模型。根据以往同类工程的风险数据作为学习样本，训练并构建支持向量机来预测待建项目的工期风险水平。最后的实证研究表明了该预测体系的可行性及可靠性。     

基于自回归支持向量机的结构损伤诊断

将自回归时间序列(AR)模型和支持向量机方法结合应用于结构的损伤诊断,以一个3层框架结构为分析对象,模拟两种损伤模式:初始线性结构发生质量变化和初始非线性结构发生质量变化.首先对实验中采集到的加速度信号建立AR模型,从而提取模型参数作为损伤特征,再利用支持向量机进行损伤诊断.结果表明,在小样本情况下基于自回归支持向量机进行结构非线性损伤诊断,能够得到很好的结果.