基于Push-over分析的钢-混凝土组合框架抗震性能研究

通过建立push-over分析方法中的等效单自由度体系,分析得到钢-混凝土组合框架结构的等延性需求谱.利用有限元软件对组合框架进行非线性静力推覆分析,基于位移模式把多自由度体系转换为等效单自由度体系,建立其等效加速度与等效位移曲线.按现行抗震规范建立组合框架结构谱加速度与谱位移曲线,从而对该类结构进行抗震评估.用非线性动力时程分析方法对本文提出方法进行了比较,验证了该方法的可靠性.     

基于非线性组合方法的石油期货价格预测研究

研究石油期货价格预测问题,石油期货价格是一种动态、时变、非线性数据,具有较强的随机性和多元性。单一预测模型只能描述部分信息,存在局限性。为了提高石油期货价格预测精度,提出了一种非线性组合的石油期货价格预测模型。首先采用3个不同的单项模型对石油期货价格进行预测,采用全局逼近能力强的支持向量机建立了一个多输入单输出的石油期货价格非线性组合预测模型,并通过预测误差最小原则确定模型的参数。仿真结果表明,改进模型预测精度明显优于对比预测模型,为提高石油期货价格预测精度提供了一条新途径。     

ARIMA与SVM组合模型的石油价格预测

针对复杂时间序列预测困难的问题,在综合分析其线性和非线性复合特征的基础上,提出了一种基于ARIMA和SVM相结合的时间序列预测模型。首先采用ARIMA模型对时间序列进行线性建模,然后采用SVM对时间序列的非线性部分进行建模,最后得到两种模型的综合预测结果。将组合模型应用于石油价格预测中,仿真结果表明组合模型相对于单模型的预测具有更高的精度,发挥了2种模型各自的优势,在复杂时间序列预测中具有广泛的应用前景。     

碳化混凝土框架结构抗震性能数值仿真

为研究碳化后混凝土结构的抗震性能,根据已有研究总结得到的碳化混凝土本构关系,运用计算机仿真技术和面向对象的编程方式,编制Windows操作系统下具有图形界面的计算程序.针对剪切型框架,提出以层模型为计算模型的地震反应计算方法并编程实现,同时以具体算例初步探讨碳化对剪切型框架抗震性能的影响.数值分析表明:对于小震,在受到对刚度较大结构不利的地震波作用下,碳化对混凝土结构地震反应不利;对于大震,碳化对结构反应时程曲线的影响较小,但碳化可能引起结构极限变形能力降低,产生不利影响.     

支持向量回归机模型结构及性能的研究

总结了目前提出的四类不同结构的支持向量回归机（Support Vector Regression,SVR）模型,并在此基础上提出了三种新的模型结构,通过试验手段对比了几种典型模型的逼近性能,分析了各个模型在应用中存在的优缺点,为实际应用中采用合适的模型提供一种选择方法。     

地震作用下高层钢-混组合结构的抗震性能分析

根据结构抗震设计规范,分别采用精细时程积分法和结构分析软件Midas/gen建模,对高层钢框架-混凝土核心筒的混合结构的动力特性和地震时程反应进行分析,得到自振周期及地震作用下的位移和加速度响应.通过对比可知精细时程分析方法和Midas/gen两种不同建模方法得到的计算结果吻合较好,说明精细积分分析方法和Midas/gen的分析方法都是适用可靠的,均能为此类结构的抗震性能研究提供有效的途径.     

基于改进变权重组合预测模型的产品销售预测

通过分析汽车产品销售时序的特性引入组合预测理论,提出了一种改进的变权重组合预测模型并给出了变权重系数的求取方法。然后针对小样本、多维、多峰、非线性的销售时序特点,采用了基于支持向量机的三种单项预测方法。再通过实例分析显示基于改进变权重组合预测模型的预测精度高于单项预测模型和普通变权重组合预测模型。最后进行了汽车销售时序预测表明基于改进变权重组合预测模型的产品销售预测方法是有效和可行的。     

基于小波支持向量机的非线性组合预测方法研究

基于支持向量机（SVM）核方法和小波框架理论，提出了一种称为小波支持向量机（Wavelet Support Vector Machines, WSVM）的新的机器学习方法，并把这种方法应用于组合预测，得到了一种基于WSVM的非线性组合预测新模型，然后给出了此模型的结构设计和实现算法．通过仿真实验，把该方法与小波神经网络等方法相比较，得到了更好的实验结果，从而验证了该方法的正确性和有效性．     

混沌一支持向量机回归在流量预测中的应用研究

为了提高流量预测准确性,将混沌理论和支持向量机回归应用于网络流量预测.采用相空间重构理论计算实际流量的延时、嵌入维数和Lyapunov指数,证实网络流量存在混沌现象;据此建立混沌-支持向量机预测模型并确定训练样本对,对实际网络流量教据进行预测.结果表明,该方法能有效地进行流量预测,相对于BP神经网络方法,该方法具有更好的预测精度.     

蛋白质结构预测算法的评估

选取合适的蛋白质结构预测算法的性能评估指标，是直接影响到衡量和比较各种蛋白质结构预测算法优劣的重要问题。本文对目前各种评估指标进行了剖析比较，总结对比了各种评估指标的优缺点，分析了其相互之间的联系与区别，并结合神经网络建模，提出各种评估指标的适用范围与使用原则。     

结构可调的支持向量回归估计

针对定义域各分区间内样本数据的噪声强度不同,以及在局部范围内数据变化急剧等复杂情况,提出了结构可调的支持向量回归估计(AS-SVR)方法,包括采用不同的损失函数,对各样本点自适应地选用不同的参数等。推导了求解公式,给出了调整算法。实例测试表明,AS-SVR方法的楚模效果优于常规方法。     

基于LS-SVM的涡轮增压发动机性能预测

针对神经网络方法在涡轮增压发动机性能预测方面存在的缺陷,提出了一种新的基于最小二乘支持向量机的涡轮增压发动机性能智能预测方法.介绍了最小二乘支持向量机的基本算法,分析了涡轮增压发动机的性能指标,选择发动机转速、压缩比、容积效率、平均指示压力和平均制动压力作为预测模型的输入参数,输出功率、输出扭矩和有效燃油消耗率作为预测模型的输出量,进一步建立了基于最小二乘支持向量机的涡轮增压发动机性能预测模型.仿真实例的预测结果表明,所建立的智能涡轮增压发动机性能预测模型是合理有效的.     

基于支持向量机的PEMFC电特性仿真研究

质子交换膜燃料电池(PEMFC)是一个非线性、多输入、强耦合、大时延的复杂动态系统,传统的根据系统物理和化学的特性建立的数学模型,具有较大的局限性.从质子交换膜燃料电池的物理结构、输出特性曲线和数学模型方面对其进行了描述,针对PEMFC的复杂动态环境,利用支持向量机对于给定试验样本数据的良好的泛化性能,根据在自制的PEMFC单电池上进行试验所得到的数据,对质子交换膜燃料电池的电特性进行了回归运算.结果发现,在样本数目较小时,采用指数型径向基核函数对PEMFC进行回归运算较为理想;当数据样本数目巨大时,高斯径向基核函数可以获得很好的支持向量稀疏度,具有明显的优越性,这为PEMFC燃料电池的建模仿真及有效控制其电压输出特性提供了新的思路.     

基于SVM的大样本集系统辨识与函数拟合仿真

支持向量机是一种优秀的学习方法,也是具有很好泛化性能的回归方法。但由于支持向量机算法实习复杂,效率低,严格限制了其应用,SMO算法的提出大大提高了支持向量机的学习效率。因此,借助SMO算法,便可以实现大样本集的非线性系统辨识和函数拟合。文中对回归问题的SMO算法作了详细介绍,并对其进行改进。然后研究了利用改进SMO算法的非线性系统辨识方法,给出了非线性系统的辨识的仿真结果,和一维二维函数的拟合仿真。并通过仿真,与原始算法进行了比较,显示了改进SMO算法的快速性。     

非线性支持向量回归在航空发动机性能参数预测中的应用

基于飞参数据的航空发动机的状态监控,是当前航空领域应用研究的热点之一。介绍了支持向量机回归理论,并用支持向量回归机和飞参数据对航空发动机特征参数（转差率S）进行了预测。计算结果表明,支持向量机回归方法具有很好的学习能力和预测能力。     

利用双树复小波特征进行蛋白质二级结构预测

识别蛋白质二级结构对于蛋白质的特征和性质研究具有很重要的作用.用Cα原子三维空间坐标把蛋白质序列映射为距离矩阵,针对距离矩阵中隐含的纹理信息,用双树复小波变换对矩阵进行4级分解,提取不同方向的子带能量和标准偏差,得到48维特征向量来表示蛋白质的二级结构特征,再将提取的特征输入KNN和SVM分类器分类,通过实验验证,双树...     

基于最小二乘支持向量回归的水质预测

水质系统是一个开放的、复杂的、非线性动力学系统,具有时变复杂性,针对水质预测方法的研究虽然已经取得了一些成果,但也存在预测精度与计算复杂度等难题。为此,本文提出一种基于最小二乘支持向量回归的水质预测算法。支持向量机是机器学习中一种常用的分类模型,通过核函数将非线性数据从低维映射到高维空间,在高维空间实现线性分类和回归,最小二乘支持向量回归（LS-SVR）利用所有的样本参与回归拟合,使得回归的损失函数不再只与小部分支持向量样本有关,而是由所有样本参与学习修正误差,提高预测精度;同时该算法将标准SVR求解问题由不等式的约束条件及凸二次规划问题转化成线性方程组来求解,提高了运算速度,解决了非线性复杂特性的水质预测问题。     

基于大数据分析的潜在高血压病预测研究

研究高血压诊断预测准确性问题,需要根据病人的生活习性、体质指数、腰臀围以及病理特征,以完成对高血压的病理预测.但在预测过程中,由于个人的体质指数和病理特征很难保证充足,往往会出现数据属性单值突变的现象,造成对高血压预测准确率不高.提出采用大数据分析的潜在高血压病预测方法.通过采集相关数据信息,然后对采集到的数据进行包括数据清理、数据转化和数据集成的预处理,根据支持向量机理论,对数据属性进行分类,建立潜在高血压病的预测模型,计算模型属性分类结果的权重,得到不同属性对高血压病影响的重要程度分级,通过与高血压病特征参数的比较,获取潜在高血压病的预测结果.实验结果表明,采用改进算法进行潜在高血压病的预测,能够有效提高预测的准确率与预测效率,为早期高血压病的检测与防治提供数据保障,进而满足医学检测的实际需求.