基于PAU-LSSVM模型融合多特征变量的电力负荷预测

为了有效地提高电力负荷的预测精度,应对电力负荷的海量数据,同时兼顾负荷数据时序性和非线性,提出了一种基于PAU-LSSVM模型融合多特征变量的电力负荷预测方法。首先,基于偏最小二乘法（PLS）分析影响负荷变量间的相关性,提取影响负荷变化的特征变量。然后,根据特征变量的实时变化特征对LSSVM的模型参数进行自适应更新,建立了PAU-LSSVM负荷预测模型,并与其他深度学习方法建立的负荷预测模型进行对比。结果表明,PLS能够辨识出关键影响变量,降低训练样本矩阵维数,所提PAU-LSSVM模型能够随着工况迁移准确地预测负荷,具有较高泛化能力和工程应用价值。     

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.     

基于最小二乘支持向量机的网络质量预测

无线网络质量的研究已成为现在工程界的一个普遍问题,通过以往的研究发现测量报告（MRR）与邻小区关系（NCS）干扰值和TCH话务有较强的相关性,本文尝试以最小二乘支持向量机为基础建立MRR与NCS干扰值和TCH话务之间的数学模型。用某城市通信运营商GSM900的真实数据做实验,其结果表明,模型的拟合输出与实际值之间的残差能够准确反应NCS干扰值和TCH话务的变化对网络质量带来的影响。     

基于LS-SVM的光刻过程R2R预测控制方法

针对光刻过程非线性、时变和产品质量不易在线测量的特性,提出了一种基于最小二乘支持向量机预测模型和微粒群滚动优化方法的批次控制预测控制器。通过历史批次样本数据构建光刻过程的最小二乘支持向量机预测模型,解决了复杂光刻过程难以建立精确数学模型的难题,提高了预测模型的精度。通过预测误差的反馈校正和微粒群滚动优化算法求解最优控制律,提高了控制精度。性能分析结果表明,与指数加权移动平均方法及非线性模型预测控制方法相比较,批次控制预测控制器控制器减小了不同批次关键尺寸输出的差异,显著降低了关键尺寸输出的均方根误差,有效抑制了过程扰动影响。     

自适应迭代最小二乘支持向量机回归算法

 基于最小二乘支持向量机回归算法,本文在前期工作的基础上进行了扩展,提出了更加详尽的自适应迭代最小二乘支持向量机回归算法. 与标准的LSSVR相比,本文提出的算法在学习新样本的时候利用了已有的学习结果,可以快速获得新的学习机. 模拟结果表明,自适应迭代最小二乘支持向量机回归算法能够自适应地确定支持向量的数目,保留了QP方法在训练SVM时支持向量的稀疏性,在相近的回归精度下,该算法极大地提高了标准LSSVR学习的速度.     

基于动态加权LS-SVM的网络流量混沌预测

网络流量是具有复杂非线性、不确定时变性的混沌时间序列.为提高标准最小二乘支持向量机的预测精度与自适应性,提出一种基于动态加权最小二乘支持向量机的网络流量混沌预测方法.该方法在标准LS-SVM回归机的训练样本误差设置时间权,增强对非线性样本的逼近能力.然后结合滚动窗与迭代求逆法实现模型动态在线校正,进而克服网络变化时的累积误差.仿真实验结果表明,相对常规LS-SVM,该模型能降低预测误差、减少计算时间,实现高精度实时混沌流量估计.     

基于最小二乘支持向量机的Jakes衰落信道预测

将LS-SVM用于Jakes衰落信道预测,进而提出了一种新的衰落信道预测算法.该算法利用衰落信道系数的既有观测值构建学习样本,然后借助LS-SVM的学习与判决能力实施非线性预测.对Jakes衰落信道的预测实验表明,文中预测算法可行且有效.另外,在实验中也讨论了嵌入维参数对预测准确度的影响,并给出最优嵌入维的选取方法.     

基于支持向量域的快衰落信道混沌预测

以多径无线衰落信道存在奇怪吸引子为前提，从支持向量域SVD出发，研究了无线衰落信道的响应特性。根据相空间延迟重构理论建立了快衰落信道的预测模型，使用训练集合作为支持对象元素，通过机器自学习缩小模型泛化误差上界，采用最小二乘支持向量域，实现了非线性高维相空间映射，预测了衰落信道。实验结果表明：支持向量域含支持向量数少，运算速度快，顽健性强，核函数选择灵活，为自适应实时估计和检测提供了一种方法。该方法在小样本和未知信道概率密度下，信道预测值和真实值取得了一致。     

基于在线LS-SVM的网络流量预测

为了提高流量预测的准确性,将混沌理论和在线LS-SVM回归技术应用于网络流量预测。采用相空间重构理论计算流量的时延τ、嵌入维数m,据此确定训练样本对并建立在线预测模型,对网络流量数据进行预测。结果表明,该方法能有效地进行流量预测,相对于传统的离线预测方式,该方法具有更好的预测精度。     

基于机器学习算法的轧机轧制力预测

对轧机轧制力预测模型进行研究。由于常规LSSVM识别模型选取耗时长的网格搜索法进行参数确定,通常粒子群优化算法对LSSVM识别模型进行优化。由于种群中多样性加速下降,使得算法容易发生早熟收敛等问题,从而影响其全局寻优能力,因此使用种群活性粒子群优化算法对LSSVM参数进行优化,从而解决上述问题。通过实例分析可知,相比常规算法,改进PSO优化LSSVM算法建立的预测模型的预测精度和效率最高,具有较好的工程应用价值。     

一种广义预测自适应控制算法

广义预测控制是一种基于被控对象参数模型的控制算法,适用于复杂的、数学模型难以精确建立的控制系统。现研究了该算法,并对一个被控对象模型进行了仿真。结果表明,广义预测控制算法响应速度快,无超调,控制效果理想。     

基于操作轨迹模型的非线性预测控制算法

针对工业过程的非线性,本文首先提出了一种操作轨迹非线性模型的辨识方法:根据调度变量的操作轨迹,选取若干个典型工作点;在各个典型工作点,辨识各自的线性模型;根据测试数据以及过渡数据,得到全局插值非线性模型.在此基础上,本文进一步提出一种基于操作轨迹模型的非线性预测控制算法,并采用多步线性化方法进行问题求解.由于仅需要在典型工作点上进行测试,降低了全局建模的辨识成本,而且控制品质好,仿真结果表明了该算法的有效性.     

基于UCON的访问控制模型在银行中的应用

随着网络技术在银行业务的深入应用,网络的访问控制安全策略对银行数据安全的影响越来越重要,传统访问控制无法有效解决银行网络体系对访问控制的安全性和灵活性需求,对此文中提出了一个种基于UCON(Usage Control Model)使用控制的访问控制模型,该模型提出了比传统访问控制策略更加严格和灵活的访问策略,增强了访问控制环节的安全。     

基于正交滤波器组的盲自适应多用户检测算法

本文通过将盲目多用户检测器的最优权矢量分解为几个子权值矢量，并在于RLS算法导出了对子权值矢量进行调整的自适应算法，从而降低了检测器所需的运算量，仿真实验表明该算法具有较好的收潋性能和稳态性能。     

自动文本分类技术研究

随着万维网的发展,文本分类成为处理和组织大量文档数据的关键技术。在阐述了文本分类算法的研究现状,分析了朴素贝叶斯(Na ve Bayes)、kNN和支持向量机(SVM)经典文本分类算法之后,提出了应用最小二乘支持向量机(LSSVM)算法来实现文本分类。对使用用最小二乘支持向量机和一般支持向量机的文本分类结果进行了比较,并得出了结论:使用最小二乘支持向量机进行文本分类缩短了文本分类的时间,并保证了一定的召回率和准确率。     

A novel AQM algorithm based on feedforward model predictive control

Developing feedforward model predictive controller as an active queue management (AQM) scheme is studied in this paper. MPC is an advanced control strategy for AQM. However, the conventional MPC is usually an implementable form of feedback MPC. In this paper, a feedforward and feedback optimal control law is presented. It is a clean, easily implementable, version of model predictive control that incorporates feedforward. Firstly, we use the nominal fluid model to design the feedforward control input so that the output tracks the given queue length with small error. Furthermore, in order to achieve robust performance and to reject the (unmeasured) disturbance, the feedback component is designed. In particular, a disturbance observer is incorporated into the prediction output in standard feedback MPC. This framework can significantly improve performance in the presence of measurement noise and certain types of model uncertainty. Finally, the simulation results show the effectiveness of FF‐AQM algorithm.     

浅谈分层模型预测控制的风电场电压协调控制策略

随着风电并网技术的日益成熟,风电机组装机容量日益扩大,因此对大型风电场接入系统后的安全稳定问题也日益凸出。我国风电发展呈现弱电网和集群式发展特点,继而需要有效解决风电场电压无功率问题。为了有效解决上述问题,本文将提出分层模型预测控制的风电场电压协调控制策略。     

曲波变换和最小二乘支持向量机的图像压缩算法

为了提高图像压缩质量,针对传统压缩算法的不足,提出一种曲波变换和最小二乘支持向量机相融合的图像压缩算法。首先采用曲波变换把图像分解为不同尺度和不同方向的曲波系数,并采用熵编码对粗尺度层曲波系数进行压缩,然后利用最小二乘支持向量机对细尺度层中不同方向的曲波系数进行学习,并通过和声搜索算法优化最小二乘支持向量机,实现细尺度层曲波数的压缩,最后采用图像压缩仿真实验测试其性能。结果表明,曲波变换和最小二乘支持向量机相融合的图像压缩算法提高了图像压缩的峰值信噪比,加快了图像压缩的速度,获得了更好的图像压缩效果。     

AMPCS: Adaptive model predictive control scheduler for guaranteed delay in DiffServ architecture

An increasing number of different applications face the challenge of providing end-to-end quality of service (QoS) support such as bandwidth, delay, jitter, and packet loss. In this paper, we have focused on DiffServ architecture to improve its accuracy. We proposed a new algorithm, called Adaptive Model Predictive Control Scheduler (AMPCS), to schedule differentiated buffers in routers, using Adaptive Model Predictive Control as the controller. AMPCS regulates the service rates of aggregated traffic classes dynamically in a way that some constraints on proportional delay or absolute delay can be guaranteed. Our contribution is to apply a model predictive controller to the scheduling problem to control the QoS parameters accurately. Simulation results show that the AMPCS performs acceptable QoS differentiations at core routers while it maintains end-to-end delay constraints. Copyright © 2007 John Wiley & Sons, Ltd.     

基于近红外特征波长提取与最小二乘支持向量机的白芷掺滑石粉定量研究

中药掺假不仅降低疗效而且严重危害身体健康, 本文利用近红外光谱分析技术对中药白芷中掺入滑石粉的含量进 行定量分析。仪器采用自主研制的近红外光谱仪,光谱范围为900～ 1700 nm,分辨率为4nm,采集181份白芷中掺 入了 滑石粉的样本光谱以及7份白芷中掺入了滑石粉和面粉的样本光谱,进行平滑和一阶求导预 处理的基础上,比较研究了 多种不同算法的建模效果,提出了采用移动窗口法(MW)结合遗传算法(GA)进行特征波长 优选,以最小二乘支持向 量机(LS-SVM)建立定量模型的分析方法,结果表明MW-GA能有效筛选波长,提高预测精 度,还用白芷中同时掺入了 滑石粉和面粉的多成分样本对模型进行了验证。MW-GA-LS-SVM与全光谱-PLS、MW-GA- PLS、全光谱-LS-SVM比较, 其性能最佳,在极大减少建模变量的同时,模型的验证集决定系数R²=0.995,校正均方根误差RMSEC= 0.42%,预测均 方根误差RMSEP=0.48%,表明MW-GA-LS -SVM建立的模型准确度高,为近红外光谱在中药成分快速定量分析应用提供了方法依据。