基于WA-ABC-WLSSVR的南美白对虾工厂化育苗溶解氧预测模型

为解决传统方法水质预测精度低、鲁棒性差等问题,提出了基于小波分析(WA)、人工蜂群(ABC)优化加权最小二乘支持向量回归机(WLSSVR)的工厂化育苗溶解氧组合预测模型(WA-ABC-WLSSVR模型).该模型采用小波分析对原始非平稳溶解氧时间序列数据进行多尺度特征提取,通过加权最小二乘支持向量回归机对不同尺度下的溶解氧数据子序列分别建模,利用改进人工蜂群优化算法(ABC)对各分量序列WLSSVR模型参数进行组合优化,最后叠加各尺度下的预测结果.运用该模型对工厂化育苗溶解氧进行预测,并与BPNN、标准LSSVR、WAACO-LSSVR、WA-PSO-LSSVR等模型对比分析,结果表明,该溶解氧预测模型具有较高的预测精度和泛化能力.     

基于PSO-WSVR的短期水质预测模型研究

针对传统方法很难建立精确的非线性水质预测模型的情况,提出了基于粒子群优化加权支持向量回归机(PSO-WSVR)的水质短期预测模型.在建模过程中,根据各样本重要性的差异,给各个样本的惩罚系数赋予不同权重,改进了标准支持向量回归机算法,克服了标准支持向量回归算法因不同样本均采用相同权重造成预测精度低的问题,并采用粒子群优化算法对加权支持向量回归机参数组合进行自适应优化,模型收敛速度明显加快.运用PSO-WSVR模型对江苏宜兴市集约化河蟹养殖池塘水质进行预测,与标准支持向量回归机和BP神经网络对比分析.结果表明,该模型性能可靠、泛化能力强,预测精度高,为集约化水产养殖水质短期预测提供了一种新思路.     

基于粒子群优化的溶解氧质量浓度支持向量回归机

针对污水处理中溶解氧质量浓度无法在线精确测量的问题,提出基于粒子群算法优化支持向量回归机(PSO-SVR)的溶解氧质量浓度软测量模型.为了提高溶解氧的预测精度和效率,采用粒子群算法对支持向量回归机的模型参数进行优化,并以自动获取的最佳参数组合构建溶解氧与其影响因子间的非线性软测量模型,利用该软测量模型对国际基准仿真模型BSM1的溶解氧质量浓度进行预测.仿真结果表明:该模型能得到较好的预测效果,与SVR、RBF神经网络相比,PSO-SVR模型不仅计算复杂度低,而且收敛速度快,预测精度高,泛化能力强.     

基于自适应人工蜂群算法优化的最小二乘支持向量机在变形预测中的应用

针对人工蜂群算法(ABC)机制中步长更新及概率选择方面的不足,提出了自适应人工蜂群算法(AABC).在AABC中设计了新的自适应步长更新公式及自适应概率选择公式来平衡算法的勘探和开发能力.采用AABC算法对最小二乘支持向量回归机(LSSVR)进行参数优化,进而构建出基于AABC优化的LSSVR变形预测模型并应用于滑坡变形预测.实验结果表明,AABC有效的解决了ABC过早收敛、收敛精度不高等缺点,且较对比模型来讲,AABC_LSSVR模型预测精度更高,预测趋势更符合实际.     

小波消噪和优化支持向量机的网络流量预测

为了提高对网络流量的预测精度,提出了一种小波消噪和改进黏菌算法优化支持向量机的网络流量预测模型。 首先应用小波消噪对网络流量进行消噪处理,采用支持向量机作为预测模型。 由于支持向量机预测结果受模型参数影响较大,采用带有随机惯性权重机制的改进黏菌算法来优化支持向量机模型中惩罚因子以及核函数参数。 对所提模型使用最佳参数进行仿真实验,并利用实际采集的网络流量数据进行验证。 实验结果表明,所提模型在评估指标上均优于对比模型。     

基于支持向量机算法的海水藻类生长状态软测量

为了有效监测海水藻类生长状态,采用支持向量机算法对水体中关键表征因子进行软测量.首先采用网格寻优法对支持向量机(SVM)的惩罚因子C和参数σ进行参数寻优,然后利用所得最佳匹配参数通过样本训练,获得海水叶绿素-a浓度的软测量模型.将基于SVM的软测量结果与基于BP神经网络的软测量结果作对比,可以看出,基于SVM的软测量方法具有较好的预测精度和稳定性,可应用于海水藻类生长状态的软测量.     

基于模糊支持向量机的电力系统中期负荷预测

考虑到气温因素对电力系统负荷的影响,提出了一种模糊支持向量机(FSVM)算法,基于欧洲智能技术网络(EUNITE)竞赛数据进行了中期电力负荷预测的应用研究。首先利用隶属度函数对影响负荷的气温因素进行模糊化处理,然后结合已知数据得到支持向量机(SVM)的训练样本集,采用序列极小优化(SMO)算法实现对支持向量机(SVM)的快速训练,最终得到预测结果,并与不将气温模糊化的仿真结果进行比较,表明本文所提方法简便且预测精度较高。     

基于PSO-SVM模型的城轨列车轮对尺寸预测

为了及时掌握轮对尺寸信息,从而保证列车正常运行,提出了建立粒子群优化支持向量机模型对轮对尺寸进行预测的方法.介绍了粒子群优化算法(PSO)及支持向量机(SVM)的相关概念,并利用粒子群优化算法能够实现快速全局优化的特点对支持向量机进行参数优化,解决了支持向量机参数选择盲目性的问题.以某城轨列车轮径值为研究对象,建立基于PSO-SVM的轮对尺寸预测模型,对轮径值进行预测分析.结果表明,轮径值预测相关度达到0.94,证实了建立的预测模型在轮对尺寸预测方面的可行性及有效性.     

基于支持向量机-小波神经网络的边坡位移时序预测模型

针对岩体边坡位移预测难度大的问题,结合支持向量机-小波神经网络,提出了一种新的岩体边坡位移时序预测模型——支持向量机-小波神经网络预测模型.通过对实测位移值的学习,并借助遗传算法参数寻优的支持向量机对位移时间序列的宏观发展趋势进行滚动预测;在此基础上利用小波基函数变换分析序列的局部特征,通过2维情况下的序列局部走势方向的选择、实测值与支持向量机拟合值的相对误差与绝对误差等指标的分析,达到对预测值优化改进的目的.将该模型应用到某工程面板堆石坝坝肩强卸荷岩体边坡位移的时序预测中,结果表明,该模型具有可靠度和精度高的优点,可应用于岩体边坡位移预测分析.     

基于混沌优化支持向量机的大坝安全监控预测

首先介绍了基于统计学习理论的一种新的机器学习技术——支持向量机(Support Vector Machine,SVM),并针对目前支持向量机参数选择时人为选择的盲目性,将具有良好优化性能的混沌优化(Chaos Optimi-zation)技术应用到支持向量机惩罚函数和核函数参数的优化,提出了混沌优化支持向量机(Chaos Optimization Support Vector Machine,COSVM)方法.根据丰满大坝1997-2004年的实际监测数据,建立了混沌优化支持向量机大坝安全监控预测模型,进行了与统计回归模型和BP神经网络模型的分析比较,结果表明,COSVM模型具有更高的预测精度,同时在较长时段的预测中,COSVM模型也表现出更好的泛化推广性能.     

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.     

基于风电机组LPV模型参考自适应独立变桨控制

为了减少大型风电机组多输入、多输出的非线性耦合影响和独立变桨带来的附加控制载荷,根据线性参数变化理论（LPV）对风电机组风能转换系统进行局部线性化,建立统一化的风电机组独立变桨线性参数变化LPV模型.利用模型参考自适应控制理论（MRAC）,以线性化后的LPV控制系统为被控对象建立参考模型,设计出高性能的独立变桨距自适应控制系统.采取波波夫（Popov）超稳定性分析法给出风电机组LPV模型参考自适应控制律,并对所设计的LPV模型参考自适应独立变桨距系统进行计算机仿真实验.实验结果表明,所设计的基于LPV模型参考自适应系统能够适应机组参数在较大范围内的变化,能够实现风电机组独立变桨系统的整机控制,具有良好的稳定性和快速性.     

边坡稳定制约下土石坝截面优化遗传算法

为了实现土石坝的截面优化,基于坝体边坡极限平衡状态提出了一种易于施加特性约束条件和进行全局优化搜索的优化遗传算法.建立了以边坡稳定为约束条件的多工况条件下的土石坝截面优化模型,并在Matlab平台上编制了基于极限平衡理论的土石坝坝坡稳定性分析程序以及优化程序,实现了均质土坝在渗流和地震作用等约束下最优截面的搜索.算例结果证明了该优化方法具有一定的有效性和可行性.     

拉压变形对B(N)掺杂碳纳米管Al吸附性能的影响

为了研究(5,5)碳纳米管的B(N)环状掺杂效应,以及拉压变形对B(N)环状掺杂碳纳米管Al吸附性能的影响,采用基于密度泛函理论的平面波赝势和广义梯度近似方法,对B(N)环状掺杂碳纳米管Al吸附模型进行了几何优化,计算了B(N)环状掺杂碳纳米管的形成能,并确定了Al原子的最稳定吸附位置.结果表明,B(N)环状掺杂(5,5)碳纳米管的结构较为稳定.B(N)环状掺杂可以增加碳纳米管与Al之间的吸附能;一定范围内的拉伸和压缩变形则会降低碳纳米管与Al之间的大部分吸附能.     

基于重叠参数区域的变体飞行器切换LPV控制

针对变体飞行器参数变化范围大,模型具有不确定性和非线性的问题,以后掠角为调参变量建立变体飞行器线性参数时变系统（LPV）模型.将时变参数范围划分为若干参数区域,利用权值系数和参数重叠区域的概念,通过求解线性矩阵不等式组构造一组LPV控制器.以变形量为决策变量设计切换策略,并针对Firebee纵向通道设计了切换LPV控制器.仿真结果表明,通过参数重叠区域构造的LPV模型之间能够平稳、快速切换,该方法使变体飞行器在变形过程中有较好的迎角抗扰能力.     

开关磁通永磁同步电动机设计与静态特性

为了获得较宽的恒功率弱磁调速区域,设计出一台12/10极开关磁通永磁电动机.根据电动机的结构特点、运行原理并结合双凸极永磁同步电动机的设计方法确定电动机主要尺寸的初始值,在Ansoft软件中建立电动机的物理模型,基于有限元法研究电动机在特殊位置下的磁场分布、气隙磁密、静态特性、弱磁特性及结构尺寸变化对转矩的影响.分析结果表明,该电动机弱磁效果明显,定位力矩幅值偏大,改变永磁体磁化方向的长度和转子齿宽可以有效地降低定位力矩,研究结论对电动机的优化设计、分析及控制提供了依据.     

基于RCEPN的资源配置优化模型与方法

由于系统资源变化会限制传统随机Petri网的应用,在对传统随机Petri网研究的基础上,提出一种带有资源约束的扩展Petri网（RCEPN）方法,使RCEPN中的每个变迁都有一类资源关联,并且变迁的实施速率与资源数量密切相关.RCEPN不仅使状态空间缩小,降低复杂性,也可使系统中任务和资源间的逻辑关系更加清晰,便于流程描述.利用排队论和数学规划给出了流程优化的数学模型,形成了解决资源优化配置问题的0-1规划,使RCEPN系统的响应时间最短.通过采购业务流程实例,验证了模型建立和优化方法的有效性.     

非等间距新息GM（1，1）模型及其应用

针对非等间距GM（1,1）模型建模精度低、适应性不强等问题,应用新信息优化原理及灰色系统建模方法,采用原始数据序列的第n个分量作为灰色微分方程的初始条件,提出了非等间距新息GM（1,1）模型.基于背景值是影响灰色建模精度的重要因素之一,对非等间距新息GM（1,1）模型的背景值构造进行了研究,根据灰色模型的指数特性和积分特点,利用非齐次指数函数来拟合一次累加生成序列,重构非等间距新息GM（1,1）模型的背景值,并给出了背景值构造公式.该背景值不仅适用于等间距新息建模型,也适合于非等间距新息建模型,具有精度高、适应性强等特点.实例表明,所建模型具有良好的实用性和可靠性.     

变风量空调系统的模糊神经网络预测控制

针对变风量中央空调系统具有多变量、大滞后和非线性的系统特性及常规控制算法系统响应慢、控制精度不高等问题,提出了模糊神经网络预测控制策略.该方法将模糊神经网络控制与预测控制技术相结合,建立了模糊神经网络与预测控制结合的复合控制器模型,通过优化变风量控制方式,有效地实现了中央空调系统的预测控制.结果表明,该控制方法能使系统具有良好的动态性能和稳态性能,控制精度高,节能效果显著,具有广泛的应用前景.