共查询到18条相似文献,搜索用时 78 毫秒
1.
依据压力传感器样本,提出了一种采用最小二乘支持向量机(LS-SVM)辨识传感器逆模特征的校正压力传感器非线性误差的方法,该方法将实测数据由径向基函数把非线性逼近问题转化为线性逼近问题,不需逆模型函数形式的先验知识,能够保证得到的极值解就是局最优解,具有较好的泛化能力。实验结果表明,采用该方法校正后的传感器的检测精度可达到1%,效果令人满意。 相似文献
2.
支持向量机是近几年发展起来的机器学习的新方法,它较好地解决了小样本、非线性、高维数、局部极小点等实际问题。本文讨论了基于支持向量机实现虚拟仪器系统非线性校正的原理和方法,并将该方法应用于一浓度测量虚拟仪器,取得了满意的效果。实践结果表明,该方法有很好的应用前景和研究价值。 相似文献
3.
4.
提出了一种用支持向量机热电偶校正非线性误差的原理和方法。该算法只依据样本就可以正确辩识热电偶逆模型特征,而不需关于逆模型函数形式的任何先验知识,并将原问题转化为一个凸二次优化问题,能够保证找到的极值解就是全局最优解,具有较好的泛化能力。最后通过对K型分度号镍铬.镍硅的热电偶进行非线性校正的应用表明,该算法可取得较好的效果。 相似文献
5.
针对传感器存在的非线性问题,提出了一种基于逆系统方法的非线性校正方法。通过最小二乘支持向量机方法构造传感器的右逆系统,并与原系统串联,完成传感器的非线性校正。该方法不依赖于传感器的数学模型,鲁棒性较强。仿真结果证明该方法的有效性和优越性。 相似文献
6.
7.
在介绍和比较标准支持向量机(SVM)和最小二乘支持向量机(LS-SVM)原理的基础上,提出了一种利用LS-SVM模型进行传感器动态系统辨识的方法,并给出了相应的过程和算法.与标准SVM模型比较,该方法优点是明显的:(1)用等式约束代替标准SVM算法中的不等式约束;(2)将求解二次规划问题转化为直接求解线性矩阵方程,使得在相同条件下,系统辨识速度提高1~2个数量级,辨识误差降低50%.因此,LS-SVM模型速度快,抗噪声干扰能力强,更适合传感器动态系统建模. 相似文献
8.
基于GARCH误差校正的遗传支持向量机日前电价预测 总被引:2,自引:0,他引:2
针对时间序列预测和智能算法预测各自的侧重点不同,结合两者优点对日前市场电价进行预测。首先建立支持向量机(SVM)模型对单一时点电价进行预测,将遗传算法(GA)嵌入SVM模型中来保证SVM参数选择最优。针对SVM-GA模型训练误差和测试误差存在一定的相关性和条件异方差性,采用广义自回归条件异方差(GARCH)模型对误差序列进行拟合。然后利用拟合好的GARCH模型对SVM-GA模型预测误差进行预测,最后根据GARCH预测结果对SVM-GA模型预测进行校正。用该方法对美国PJM电力市场2005年8月份日前电价进行连续预测,总体平均误差仅8.19%,比普通方法误差减少了将近4个百分点。 相似文献
9.
针对支持向量机中的参数通常用交叉验证来确定的状况,提出了遗传支持向量机算法,即使用遗传算法来优化支持向量机中的参数并应用在基于火焰图像特征参数的锅炉燃烧状态诊断中.从火焰图像中提取的5个特征量作为支持向量机的输入,3种燃烧状态作为输出,选用径向基核函数,使用遗传算法得到优化参数.实验结果表明,该方法能在较大范围内准确地... 相似文献
10.
遗传优化支持向量机在软件缺陷预测中的应用 总被引:1,自引:0,他引:1
软件开发过程中对软件模块的可靠性进行预测可以有效地提高软件的质量。支持向量机可应用于建立软件缺陷预测模型。为提高预测模型的分类准确度,利用遗传优化算法选择出最优属性子集,从而降低数据样本中冗余属性带来的不利影响,利用支持向量机建立了一种高效的软件缺陷预测模型。实验结果表明,基于遗传算法和支持向量机建立的预测模型能够为软件缺陷预测提供较高的预测精度和效率,有着良好的应用前景。 相似文献
11.
对现有的电力系统谐波源建模方法进行分析比较,提出基于最小二乘支持向量机的建模方法,并引用遗传算法对参数寻优以提高模型精度。为了验证方法的有效性,在不考虑和考虑供电端电压谐波含量两种情况下采用Matlab对晶闸管控制电抗器进行仿真提取训练数据并建模。结果表明采用基于遗传算法的最小二乘支持向量机建立的谐波源模型精度高,是谐波源建模的有效方法。该方法把建模对象当作黑箱,没有考虑内部机理,也可用于其他非线性负荷建模之中。 相似文献
12.
粒计算是信息处理邻域中新的概念和计算方法,但是,传统粒子支持向量机算法存在着映射前后的数据分布不一致的问题,同时,由于使用粒子中心替代粒子从而导致精度下降。为此,提出基于映射后的混合粒子支持向量机算法,首先,利用mercer核函数将数据映射到高维空间,粒化计算后,找出含有更多分类信息的混合粒子,提取后作为输入集合对超平面进行训练,利用几何分析调整最优超平面,并采用基于QPSO算法对关键参数进行最优求解,从而提高算法的精度。实验表明该算法比传统粒子支持向量机算法正确率高10%,说明改进的粒化支持向量机算法提升效果明显。 相似文献
13.
基于支持向量机的锅炉煤质预测模型 总被引:1,自引:0,他引:1
通过基于统计学习理论的支持向量机建模和机理性的分析及推导,给出了2种不同的电厂锅炉煤质预测模型,并结合现场试验数据,给出2种方法不同的预测结果及评价.验证了支持向量机建模对于火力发电厂煤质监测具有较高的应用价值. 相似文献
14.
15.
16.
针对光电位置传感器(PSD)检测系统在大坝变形观测中所呈现的非线性问题,建立改进的遗传算法和LM-BP神经网络结合的模型,对PSD的非线性进行补偿?该方法先用遗传算法对LM-BP网络的权阈值进行优化后再用LM-BP网络逼近任意非线性函数的特点对实际位置数据与理想值进行拟合后并进行测试,经过多次任意产生的种群优化后选择较为优秀个体作为神经网络的和阈值,并对任意位置进行校正,仿真结果表明,该方法克服了LM-BP网络对初始权阈值的依赖和泛化能力弱的特点,多次实验平均误差都小于1%,其泛化能力优于标准的遗传算法和神经网络结合的模型。 相似文献
17.
电力变压器是电力系统运行中的重要设备之一,对故障和缺陷进行正确的诊断,关系到整个电网的运行安全。支持向量机(SVM)能够较好地解决小样本、非线性特征的多分类问题,适用于变压器故障类型判断。利用布谷鸟搜索算法,对支持向量机进行寻优得到全局最优解,从而得到具有最佳参数的支持向量机分类模型。该分类模型将变压器油色谱数据(DGA)中各气体相对含量作为评估指标,将变压器的故障分为低能放电、高能放电、中低温过热、高温过热等4个故障类型。通过已有的数据实例分析得出,利用布谷鸟搜索算法得到的分类模型比常用的网格搜索算法(GS)、粒子群搜索算法(PSO)、遗传算法搜索(GA)等算法得到的模型拟合准确率更好。 相似文献