基于LS-PSO的北斗伪距单点定位算法

北斗伪距单点定位具有易于实现、不存在整周模糊度、速度快等特点,具有很大的研究和应用价值;传统最小二乘法由于引入了线性误差、对初始值依赖性强而导致定位精度低;为了提高北斗伪距单点定位的精度,通过分析最小二乘法和粒子群算法的优缺点,提出了一种LS-PSO组合算法;首先利用最小二乘法定位计算接收机的大约位置,作为粒子群算法解的基准值并建立解的搜索空间,然后利用粒子群算法得到全局最优值,解算出精度更高的结果;经过实验验证,LS-PSO组合算法可以稳定的解算出m级精度的定位结果,并且三维方向偏差都在大约5 m以内;最后通过与遗传算法的收敛情况和最小二乘法的定位精度进行对比,证明LS-PSO组合算法可以快速的收敛到最优解并且有效的提高了北斗伪距单点定位精度。     

三维梯度矢量瞬变电磁仪的建模及其仪器研制

为了探索和解决瞬变电磁物探在空间信息解析方面存在多解性问题,提出三分量梯度矢量瞬变电磁法模型和仪器方案,解决瞬变电磁探测深度的计算依赖于地层电导率和磁导率的问题。新型模型和仪器采集探测点的二次场三分量数据,得到其梯度矢量方向和大小,结合测点之间的距离和空间三角函数关系,计算出探测方向中低阻体的方位和距离。新型瞬变电磁仪在煤矿工作面的超前探测得到试用,验证预期效果,推广到物探工程应用中。     

基于PSO-LSSVM的网络流量预测模型

为了提高网络流量的预测精度,考虑到网络流量的长相关、非线性等特性,提出一种粒子群算法优化最小二乘支持向量机参数的网络流量预测模型（PSO-LSSVM）．首先将最小二乘支持向量机参数作为粒子的位置向量,然后利用粒子群算法找到模型的最优参数,最后采用最优参数最小二乘支持向量机建立网络流量预测模型．仿真结果表明,相对于参比模型,PSO-LSSVM能够获得更高的网络流量预测精度,更能准确描述网络流量变化规律．     

VB调用Matlab在瞬变电磁法反演中的应用

将VB调用Matlab方法应用到瞬变电磁反演中,介绍了利用ActiveX技术实现VB调用Matlab的详细编程步骤,以VB编写瞬变电磁法反演系统主界面,利用Matlab神经网络工具箱完成对瞬变电磁法探测结果的反演判释,两者相互取长补短,该系统具有良好人机交互界面,方便用户使用.实例验证结果表明,利用VB调用Matlab方法开发瞬变电磁法反演系统,其反演结果可信,且能够满足实际工程中超前探测的要求,反演结果能够用于指导工程施工.     

一种传感器特性的高精度拟合方法

为提高传感器非线性特性的拟合精度,提出了一种基于最小二乘支持向量机(LSSVM)与量子粒子群优化算法(QPSO)的传感器特性拟合方法;该方法采用最小二乘支持向量机构建传感器特性的非线性回归模型,模型的参数向量由量子粒子群优化算法和学习样本平均绝对误差最小的准则进行优化;实验结果验证了该方法的有效性,其拟合绝对误差在10~(-9)~10~(-7)%之间,其拟合性能明显优于常规方法。     

基于相似日的支持向量机短期负荷预测

摘要：为提高电网短期负荷预测的精度,对以往学者基于相似日和最小二乘支持向量机(LS-SVM)短期负荷预测方法进行改进,形成一种改进的基于相似日和细菌趋化改进粒子群算法优化最小二乘支持向量机(least squares support vector machine based on improved particle swarm optimization for bacterial chemotaxis, PSOBC-LSSVM)的预测模型。克服了标准粒子群算法容易早熟收敛和陷入局部最优的问题,并充分考虑短期负荷的连续性与周期性对选取相似日造成的影响,将二者结合到一起综合考虑,利用改进的粒子群得到二者的最佳匹配值,并将其融合到时间距离这一因子当中。算例表明该方法预测精度较更高,可行且有效。     

移动最小二乘法在多功能传感器数据重构中的应用

针对传统最小二乘法全局拟合的局限性, 将一种新型的数值算法---移动最小二乘法应用于非线性多功能传感器的信号重构. 通过详细研究插值函数的构造方法及性质, 合理地选取基函数和权函数, 求出试函数的系数, 进而得到信号的重构值. 详细分析了基函数维数、影响域节点数及权函数因子对计算结果的影响, 并对最小二乘法以及移动最小二乘法的重构数据进行了对比, 重构的相对误差分别小于 15.3 % 和 1.03 %, 结果表明移动最小二乘法更适合非线性曲面拟合, 且适当地增加基函数维数或影响域节点数可以进一步提高数据重构的精度.     

基于粒子群算法的煤气化过程LS_SVM预测模型

针对最小二乘支持向量机参数选择对模型性能的重要影响,并且以往的参数优选方法效果差且耗时长这一问题,提出基于粒子群算法优化最小二乘支持向量机预测模型.该模型用最小二乘支持向量机理论建立,用粒子群算法优化模型参数.论文将此模型用于预测评价固定床煤气化气化效果的三个主要性能指标(气体热值、气化效率、气体产率),通过现场实际数据仿真结果表明,该算法有效地提高了模型预测精度,验证了此模型的可靠性和可用性.     

整体最小二乘法在精同步中的应用

为了验证整体最小二乘法(TLS,Total Least Squares)比最小二乘法(LS,Least Squares)更适用于精同步,提出了基于整体最小二乘的精同步方法;该方法以PN码基于BPSK调制的同步模型为基础,在接收端得到鉴相曲线后,对鉴相曲线零值点附近的几个固定位置的数据点利用QR分解和奇异值分解的整体最小二乘法拟合出鉴相曲线,求出同步误差;最后通过在Matlab软件上的仿真,得出结论:在噪声环境下,整体最小二乘法在同步中的应用可以得到优于基于普通最小二乘法的同步法的测量精度和稳定性;特别是在信噪比较低的条件下,基于整体最小二乘的精同步测量精度提升了3倍多,同事稳定性提升5倍多。     

基于最小二乘与粒子群算法的压力传感器动态补偿方法

为了降低运用简化传感器模型对动态测试结果进行修正时带来的误差,提出一种基于最小二乘(LSM)与粒子群优化算法(PSO)的动态补偿器设计方法。采用最小二乘法识别传感器的最佳阶次,作为补偿器的阶次,克服简化模型对补偿器设计的影响,结合粒子群算法对传感器进行逆建模得到补偿器,并分析补偿前后传感器的时域与频域特性。实验表明,该方法能有效的降低传感器的动态测量误差。     

基于改进PSO优化LSSVM的传感器补偿研究

针对最小二乘支持向量机在对传感器进行补偿时,正则化参数和核函数参数对补偿精度影响较大的问题,提出一种利用改进的粒子群优化算法优化最小二乘支持向量机模型参数的传感器补偿方法。该方法利用改进的粒子群优化算法优化最小二乘支持向量机模型的正则化参数和核函数参数,避免了人工选择参数的盲目性,提高了最小二乘支持向量机模型的预测精度。仿真实验表明,在传感器的补偿时,该方法比最小二乘支持向量机模型的补偿精度更高。     

基于并行直流电法和瞬变电磁的综合物探

为了提高井下工作面异常体勘探的准确度,详细叙述了直流电法和瞬变电磁物探技术的原理,并分析了各自的优缺点,初步探索了综合物探技术在提高探测质量中的应用。首先对一工作面进行直流电法的探测并反演成图,然后利用瞬变电磁技术对同一工作面进行探测并反演成图,最后找出直流电法和瞬变电磁技术反演成图中的共同异常区作为重点异常体。实验数据结果表示：综合物探技术更能突出工作区内异常体,更为准确地确定异常区的位置,对实际物探具有一定的指导意义。     

最小二乘法在PLC模拟量测量系统标定中的应用

针对工程实际应用中,PLC多模拟量测量系统在干扰和设备温度漂移等多种因素的影响下,测试的不准确问题,提出了一种基于最小二乘法回归数学模型的PLC模拟量标定方法.根据最小二乘法的思想,推导了适合于PLC标定的具体计算过程,并给出了具体应用实例.实验结果表明,最小二乘法的拟合精度优于拉格朗日线性插值法,而且基于最小二乘法的PLC模拟量标定精度很高,从而保障了后续计算的精度.     

基于最小二乘支持向量机的机器视觉识别方法

为了解决传统的机器视觉识别技术识别精度低的难题,提出基于粒子群优化最小二乘支持向量机的机器视觉识别方法.首先,对机器视觉采集的图像进行特征提取;然后,利用特征数据建立基于粒子群优化最小二乘支持向量机的识别模型;最后,以红枣缺陷识别作为应用案例以证明该方法的有效性及优越性.分别采用人工神经网络、支持向量机与该方法进行对比...     

基于ACPSO的PSR-MK-LSSVM瓦斯浓度动态预测方法

为了准确预测采煤工作面的瓦斯浓度,提出基于相空间重构理论、自适应混沌粒子群优化理论的混合核最小二乘支持向量机瓦斯浓度动态预测方法。以井下无线传感器网络监测系统采集到的工作面瓦斯浓度作为研究对象,通过平移不变小波降噪法滤除干扰瓦斯浓度的噪声,以相空间重构的瓦斯浓度序列样本训练混合核最小二乘支持向量机模型,利用自适应混沌粒子群算法优化模型参数,并通过误差校正的方法提高整体系统的预测精度。实验结果表明,提出的动态预测方法可以实现对工作面的瓦斯浓度的良好预测,平均相对误差MAPE值为0.0241、相对均方根误差RRMSE值为0.2097和平均相对变动ARV值0.00311,预测结果合理并且满足工程的实际需要,可为煤矿瓦斯预测和防治工作提供有效理论依据。     

叶片基元叶型椭圆形前缘拟合方法

针对叶片基元叶型建模时对前缘的椭圆形转接需求,采用最小二乘法获得椭圆初始参数值,基于此参数引入改进粒子群算法进一步求解,以点到椭圆垂直距离作为目标函数,建立椭圆参数优化数学模型,从而提高拟合精度。基于上述研究结果,利用VC++软件及UG平台完成前缘椭圆拟合,实例表明,对于数据点集中分布于一侧且存在大量噪声的情况,该方法与最小二乘法相比能获得更高的拟合精度,且响应时间符合设计需求。     

基于椭球拟合的磁力计误差校正方法研究

针对工作环境下的MEMS磁力计易受磁场干扰,且传统误差补偿速度慢、需要外部信息辅助而影响地磁信息获取时效性和精度的问题,提出一种基于椭球拟合的磁力计误差修正算法。建立基于刻度因子误差、非正交误差、零偏误差和软硬磁特性的磁力计误差模型,采用最小二乘平差法估计椭球拟合算法中的椭球方程系数,得到校准后的磁场强度值。实验结果表明,经过论文提出的椭球拟合算法校正后的磁场强度波动幅度明显小于磁力计测量的原始磁场强度,能够有效降低磁力计测量误差。     

基于粒子群最小二乘支持向量机的水文预测

支持向量机理论为研究中长期水文预测提供了新的方法。针对最小二乘支持向量机模型参数选择费时且效果差这一问题,给出基于粒子群算法的最小二乘支持向量机水文预测模型(PSO-LSSVM)。该模型运用最小二乘支持向量机回归原理建立,参数选取采用具有全局搜索能力的粒子群算法进行寻优。用此模型对南桠河冶勒水电站月径流进行预测,仿真计算结果表明,该算法可提高预测效率与预测精度。     

混沌理论和LSSVM相结合的网络流量预测

为提高网络流量的预测精度,提出一种基于混沌理论和最小二乘支持向量机相结合的网络流量预测方法。采用相空间重构对网络流量时间序列进行重构,恢复网络流量的演化轨迹,采用非线性预测能力强的最小二乘支持向量机对网络流量时间序列进行训练建模,采用混沌粒子群算法对最小二乘支持向量机参数进行优化,从而获得最优网络流量预测模型。用实际网络流量数据对该算法有效性进行验证,结果表明该方法能够很好刻画网络流量的变化趋势,提高了网络流量的预测精度,预测性能优于传统的预测方法。     

基于支持向量机的迟滞系统建模及性能研究

迟滞系统广泛存在于各工程领域,但由于迟滞非线性系统的不确定性、状态不可测等特性,因此迟滞系统在建模方面存在一定的困难。针对上述问题,提出了一种采用最小二乘支持向量回归机的解决方案,对系统进行建模方法的研究,并利用粒子群算法、量子粒子群算法等对最小二乘支持向量机中的惩罚参数γ和核函数参数σ的组合进行优化,以提高模型性能及泛化能力。仿真结果表明,利用粒子群优化算法的最小二乘支持向量回归机对迟滞系统的模型仿真可以得到较好的结果。