基于DE优化SVR的锂离子电池剩余容量预测

在分析了支持向量机回归算法(SVR)对剩余容量模型非线性回归基础上,针对SVR参数选择难的问题,提出了一种基于微分进化(DE)算法优化SVR的算法。DE具有强劲的全局搜索能力,将其应用到SVR的参数寻优当中去,可以寻找到SVR的最优参数。将该方法应用于锂离子电池剩余容量的预测模型,并将生成的模型和基于粒子群优化(PSO)算法的SVR锂离子电池容量预测模型比较。仿真结果表明,基于DE优化的SVR剩余容量预测的精准度高于PSO优化的SVR剩余容量预测精准度,为锂离子电池容量预测提供了一种新的方法。     

基于混合算法优化支持向量机的供热负荷预测模型

支持向量机回归(Support Vector Machine Regression,SVR)作为供热预测领域的一种新型算法,普适性强,但预测精度在一定程度上受参数选择的影响。为提高预测精度,提出一种基于差分进化(Differential Evolution,DE)和灰狼优化(Grey Wolf Optimization,GWO)的混合算法(DE-GWO)对支持向量机的回归参数进行寻优。该算法首先利用DE的变异、选择维持种群的多样性,然后利用GWO的全局寻优能力搜索SVR的最优参数组合,并采用均方误差(MSE)、平均绝对百分比误差(MAPE)、平均绝对误差(MAE)和判定系数(R~2)对各种预测模型进行了评价。研究结果表明,DE-GWO-SVR预测模型的MAPE值为3.23%,优于SVR、DE-SVR、GWO-SVR模型,可为实际应用提供一定的参考。     

应用AVO分析技术预测塔中岩溶储层含油气性

塔里木盆地塔中地区下奥陶统风化壳岩溶型储层是主要的含油气层系,其储集空间多为后期次生改造形成的溶洞和裂缝,具有目的层埋藏深、储层横向变化大、非均质性强、储层含油气性预测难等特点。该地区已钻多口成功井和失利井的岩溶储层在叠后地震剖面上都表现为＂串珠状＂强振幅反射特征,根据地震剖面特征不能区分油气井和非油气井。常用叠后地震资料提取的属性,无法预测被泥质填充岩溶储层含油气性。为此,采用AVO分析技术反演得到敏感属性泊松比和流体因子,能够较好区分岩溶储层被泥质填充和未填充含油气性。实际资料应用效果与已钻井成果相吻合,表明文中所述方法可以为塔中地区油气勘探开发井位的部署提供参考依据,同时也展现了AVO分析技术在岩溶储层油气检测中的应用前景。     

信息系统外包决策的综合评价方法

信息系统外包项目优选是一个复杂的系统决策问题,通过运用多属性决策分析原理,综合应用层次分析方法、偏好顺序结构评估法,提出了一种信息系统外包决策的综合评价方法.该综合评价方法用层次分析法确定信息系统外包项目优选问题的结构及其评价准则权重,用偏好顺序结构评估法对候选信息系统项目进行最终的评价,并用交互辅助几何分析法对其进行灵敏度分析.最后将该综合评价方法应用到实际复杂信息系统外包决策问题中,结果表明该综合评价方法具有可操作性和实用性,可为用户决策提供科学参考.     

模糊算法在城市客运交通枢纽换乘方案优选中的应用

换乘、疏散、停车、引导是城市客运交通枢纽的4项主要功能,其中以换乘功能最为关键．围绕枢纽多换乘方案的评价优选这一关键问题,建立了定性与定量指标相结合的换乘评价指标体系,并分别给出了各项评价指标的计算方法．随后将改进的层次分析法与模糊多属性决策理论方法中的模糊折衷型决策算法联合应用,进行枢纽换乘方案的排序．该算法在对决策过程进行模拟和研究的过程中,始终保持模糊元素的线性性质。可最终获得问题的解析性结果,较好地解决了目前枢纽换乘方案优选过程中主观性过大的问题．     

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。     

高温清洁压裂液在塔河油田的应用

清洁压裂液适用于低渗透储层的压裂,但是耐温性能差.针对塔河油田碎屑岩储层渗透率低、温度高的特点,优选高温清洁压裂液主剂,优化高温清洁压裂液配方,开发一种新的高温清洁压裂液体系,通过实验进行性能评价.结果表明:该压裂液体系耐温达到130℃,优选配方为D2F-AS11(4.0%)+KCl(3.0%)+EDTA(0.2%)+KOH(0.6%),抗剪切性能好,携砂能力强,与地层水混合后即能破胶,对储层的伤害非常低,现场应用增油效果明显.     

利用地震属性进行无井条件下的储层及含油气预测

以BHH盆地ZHA地区为例,探讨了在缺乏钻井资料的条件下,如何充分利用现有地震资料,进行储层预测及烃类检测.结果表明,在做好地震资料"保真"处理的前提下,才能使提取的叠前、叠后地震属性更真实、可信;并综合利用叠后属性中的振幅、弧长、道积分等属性可以很清楚地刻画储层展布特征;利用频率、吸收系数及叠前AVO现象、泊松比变化等属性可以更好地预测油气异常,为钻探提供可靠依据.     

基于粗集约简的群智能算法的储层识别

提出了一种基于粗集约简的粒子群储层识别方法,即应用粗糙集进行属性约简,应用粒子群(PSO)聚类算法对约简和正规化后的数据进行处理。实验表明,约简后的PSO聚类较约简前在识别率上有明显的提高。     

灰色理论的工业设计评价算法研究

应用灰色理论，建立了一种充分融合工业设计知识信息的评价算法。该算法将工业设计知识和信息以合理的方式组织起来对各属性进行评价，再以理性的方法把多个属性的评价结果进行合成，从而得到符合实际的评价结果。经实际验证，该算法实用、可行，为将来实现智能评价提供了有益参考。     

面向原问题求解的拟牛顿SVM回归算法研究

研究了支持向量机（SVM）的原问题优化及其回归算法．在分析原问题与对偶问题最优化关系的基础上,引入了一种原问题求解的L—MBFGS—SVR算法．该算法在求解无约束优化问题时,引入了一类新的BFGS拟牛顿算法．它利用迭代的梯度和函数值来近似逆Hessian矩阵,以降低计算复杂性;并结合有限内存技术,来解决数据存储问题．仿真表明,该算法总体上优于IHLF—SVR—RFN和SMO算法,是一种有效的大样本非线性回归建模方法．     

使用ε-SVR求解稀疏分解的单混合信号BSS

文章提出了一种单混和信号盲源分离(BSS)问题的改进解法。在源信号数大于混合信号数时,标准ICA法不再有效,BSS可使用稀疏分解法。文章首先将稀疏分解法等同于支撑向量回归(SVR)的一种形式,为稀疏分解法提供新的直观解释和求解方法。通过引入序列最小化算法(SMO)求解该SVR类比形式,显著提高了算法的速度和实用性。最后,我们将方法应用于QAM调制信号的单混合信号的盲分离问题,得到较好的分离效果。     

基于小生境圆锥邻域粒子群的不完备决策表属性约简鲁棒算法

针对基于粒子群的属性约简算法易陷入局部最优、效率不高等问题,充分利用小生境技术在寻求最优解方面优势,提出一种基于小生境圆锥邻域粒子群的不完备决策表属性约简鲁棒算法(NCNPSO-IAR)。该算法通过圆锥分层空间构造小生境半径邻域子集向量,避免过多地依赖于先验领域知识生成小生境半径和早熟收敛,始终保持种群多样性,提高算法收敛速度。另外粒子种群在圆锥解空间充分进行约简集子矢量的协同学习,使属性约简集较好收敛到最优集。相关仿真实验表明:该属性约简优化算法是高效和鲁棒的,适用于不完备、含噪音决策表的属性约简。     

考虑质量预测的前摄调度问题模型与算法

为有效描述装配人员水平、工件质量等因素对飞机装配作业质量的影响,并为飞机装配过程建立合理的前摄调度计划,提出支持向量回归（SVR）预测模型和两阶段循环迭代搜索算法. 采集相关历史质量数据,以装配人员水平和工件质量等数据为输入,作业质量为输出训练SVR预测模型. 基于已训练的SVR预测模型,采用基于作业列表禁忌搜索框架对作业列表进行邻域搜索,并通过内嵌人员分配搜索模块的串行调度实现人员配置的优化. 数值实验结果表明:采用SVR预测模型求得的作业质量预测值相较实测值的误差能够控制在5%以内,预测精度最高达到97.38%;两阶段循环迭代搜索算法求解所得模板计划与CPLEX偏差均值保持在9.99%~ 27.54%,与其他前摄调度生成方法相比偏差最小;在不确定性环境中,右移算法在两阶段循环迭代搜索算法所得模板计划中能取得最优或次优的平均装配工期和平均计划偏差. SVR预测模型能够对飞机装配作业质量进行有效预测,而两阶段循环迭代搜索算法则能满足构建飞机装配前摄调度计划的需求.     

蚁群算法融合粗糙集理论的属性约简算法

为了克服属性约简过程中寻找最小属性集算法存在时间复杂度高搜索空间大等不足,把属性抽象为节点,通过蚁群算法搜索得到节点的最少组合,使得其能代替原有的属性节点并保持决策系统的粗糙分类能力.针对蚁群算法初期信息素匮乏,收敛速度慢的问题,将蚁群算法和粗糙集理论融合,采用粗糙集理论的相关算法确定属性核,并将其作为蚁群算法的初始节点.利用蚁群算法的搜索能力,用于最小属性集的搜索.理论分析和实验结果表明,该算法可行有效.     

混沌粒子群优化算法在水库防洪优化调度中的应用

为改善粒子群优化算法的寻优性能,提出了一种新的算法——混沌粒子群算法。该算法将混沌搜索机制引入到粒子群算法中来增加粒子的多样性,采用自适应惯性权重因子模型来设置惯性权重因子,改善了算法的全局寻优能力,并将其用于水库防洪优化调度中。实例计算表明该算法能较好地克服了粒子群算法易早熟和陷入局部最优的缺点,为解决水库防洪优化调度问题提供一种新的有效途径。     

支持向量机替代模型的遗传优化设计

针对实际工程中常见的性能函数不能显式表示的优化问题,提出一种基于支持向量机替代模型的遗传优化设计方法。利用试验设计选取合适的设计参数样本点,通过实验或数值仿真获得响应输出,结合遗传算法构建具有参数优化功能的支持向量机替代模型;将支持向量机模型作为目标性能函数,结合其他约束条件完成优化模型的建立,并应用遗传算法进行优化,形成一套准确、高效、适应性强的优化方法。以典型电子装备功分器的结构尺寸优化为例,采用均匀试验设计和高频电磁场仿真软件HFSS获取替代模型训练的学习样本,建立功分器模型的幅度比、相位差和驻波3个响应面目标函数,并对该多目标优化问题进行遗传寻优。     

采用BP-ANN和改进SVR的进水BOD软测量模型

进水水质条件是研究和优化管理污水处理厂所需的关键要素,及时获取进水水质数据至关重要.针对污水厂关键性水质指标BOD5不易直接检测、滞后强的特点,分别采用BP神经网络(BP-ANN)、网格搜索算法(GS)优化支持向量回归(SVR)、粒子群算法(PSO)优化的SVR和遗传算法(GA)优化的SVR 4种方法,通过利用其他进水...