LS—SVM算法在光伏短期功率预测中的应用

以光伏阵列为研究对象,分析了辐照强度、温度以及日类型对光伏阵列出力的影响。建立了光伏短期功率预测最小二乘支持向量机LS-SVM模型。依据实验数据对模型进行了验证计算．并与BP神经网络模型做了比较,其中LS-SVM模型最大相对误差值为10．54％,平均绝对百分比误差（MAPE）为8．18％,绝对误差平方和平均值的均方根（RMSE）为0．4884,表明模型预测值离散化程度较小,所有预测点均与实际值非常接近,模型具有较好的拟合效果和泛化能力．可以有效地预测短期光伏发电功率。     

基于最小二乘支持向量机的混合动力挖掘机负载功率预测

为实现液压挖掘机并联式混合动力总成与负载功率的精确匹配,在对变量泵工作原理分析的基础上,提出基于最小二乘支持向量机(LS-SVM)算法的双联式恒功率变量泵功率预测模型。以液压挖掘机实际挖掘作业时采集的载荷谱作为训练样本,以泵出口压力、负流量控制压力和极限载荷控制压力作为训练模型的输入,以泵的排量作为输出建立模型,从而使模型对于作业环境具有更好的适用性。用网格搜索和交叉验证的方法对LS-SVM的参数进行了优化,研究结果表明该模型具有良好的预测精度和泛化能力。     

基于最小二乘支持向量机算法的测量数据时序异常检测方法

将最小二乘支持向量机方法引入火电厂DCS的测量数据时序异常检测领域,该方法很好地建立了火电厂DCS的测量数据时序预测模型,具有预测真实值能力强、全局优化及泛化性好等优点。将该方法应用于某600 MW超临界火电机组DCS测量数据中,经过训练后的LS-SVM模型对再热蒸汽温度数据的检验样本进行不良值检测与真实值预测,均方根误差和平均相对误差分别为0.067%和0.050%,均方根误差是BP网络模型、RBF网络模型的8.756%和8.272%,平均相对误差是BP网络模型、RBF网络模型的7.541%和7.236%。应用结果表明,最小二乘支持向量机方法优于多层BP与RBF神经网络法,能很好地满足异常检测与真实值预测要求。     

基于最小二乘支持向量机的企业库存预测方法

针对目前常用的基于神经网络的库存预测方法存在收敛速度慢或不收敛、存在局部极小值、网络结构选择具有随机性且对小样本库存预测容易出现过学习现象等问题,提出了基于最小二乘支持向量机的企业库存预测算法。通过结合某公司的库存实际计算以及与其他预测方法进行比较,通过仿真试验和实际数据验证,该算法计算简单,且具有更好适应性和很好的鲁棒性等特点。     

基于相空间重构和最小二乘支持向量机的滑坡预测

针对滑坡位移时间序列的非线性特性,引入基于相空间重构和最小二乘支持向量机（LSSVM）的预测法.利用Cao氏方法确定嵌入维数,根据互信息法计算最佳延迟时间;然后在相空间中,利用最小二乘支持向量机（LSSVM）建立预测模型.试验结果表明,模型具有较高的精度,是科学可行的.     

一种新的基于最小二乘准则的超宽带多用户检测算法

本文通过由跳时码唯一确定的编码矩阵将超宽带无线多址通信信道模型建模为一种线性模型,提出了一种新的基于最小二乘准则的超宽带多用户检测算法。该算法把最小二乘准则公式： 写成矩阵形式并且利用矩阵Moore-Penrose逆递推公式实现的自适应递推算法直接对编码矩阵进行更新,从而得到了一种新的超宽带多址通信自适应多用户检测算法。计算机模拟结果表明,该算法比传统的RLS算法有更好的收敛速度,并且相应的自适应多用户检测器比传统的检测器有更好的检测性能。     

基于偏最小二乘支持向量机回归区域物流量预测

研究采用偏最小二乘支持向量机回归模型进行区域物流量预测问题.针对普通最小二乘预测所存在的问题和物流系统样本量少的具体状况,提出偏最小二乘支持向量机回归区域物流量预测方法,采用主成分分析法提取影响物流量因素的新综合变量,建立以新综合变量为输入,物流量为输出的支持向量机回归非线性预测模型,在廊坊市物流量预测中进行仿真试验,证明了该方法的可行性与正确性.     

基于最小二乘支持向量机的数控机床热误差预测

为实现数控机床热误差的补偿控制,提出基于最小二乘支持向量机进行数控机床热误差建模预测的方法.根据最小二乘支持向量机回归预测的原理,优化选择最小二乘支持向量机参数,对数控车床热误差进行最小二乘支持向量机建模.通过测量数控车床主轴温升值与主轴热变形量,将获得的数据进行最小二乘支持向量机建模训练,以建立机床热误差预测模型.实验结果表明,该模型能有效描述热动态误差,与最小二乘法建模进行比较,结果显示,基于最小二乘支持向量机的数控机床热误差预测模型精度高、泛化能力强;采用最小二乘支持向量机得到的预测模型可用于数控机床热误差实时补偿,以提高机床的加工精度.     

基于多向核熵偏最小二乘的间歇过程监测及质量预测

针对间歇过程数据的批次不等长和强非线性的特点,结合核偏最小二乘和核熵分析,提出了多向核熵偏最小二乘(multi-way kernel entropy partial least squares,MKEPLS)的过程监测及质量预测方法.该方法将三维历史数据沿新的展开方式展开,克服了批次不等长和数据缺失的问题,通过核映射将过程数据从低维输入空间映射到高维特征空间,实现变量之间非线性相关关系的线性转换,解决了数据的非线性特性;根据核熵的大小将特征值和特征向量进行排序并对数据进行降维,弥补了MKPLS方法只按照数据特征值的最大化进行降维的不足.同时,引入核特征提取算法降低核空间的计算量,使其能够在线应用.数值实例和实际工业过程数据的验证效果表明:MKEPLS方法不仅能对故障进行有效监控,提高故障的报警率,同时还能对最终产品质量进行预测.     

基于小波最小二乘支持向量机模型的系统边际电价预测

系统边际电价的影响因素复杂多变．构建了一种以小波函数作为核函数的最小二乘支持向量机算法模型,并成功预测了系统边际电价．算例仿真结果表明,该模型不仅具有良好的泛化能力,而且能有效地提高电价预测精度．     

基于加权最小二乘的双线性系统的自适应控制及其应用

本文对一类双线性系统，用加权最小二乘辨识方法建立了自适应控制算法，该算法适用于非最小相位系统，且具有大范围渐近收敛和稳定的性质。从谷氨酸结晶过程的ｐ值控制实验表明，本文算法具有良好的控制效果，比非线性ＰＩＤ控制具有更高的控制质量．     

基于最小二乘的选权迭代抗差拟合模型研究

目的提出基于最小二乘的选权迭代抗差推估GPS水准高程拟合方法,并检验可靠性.方法利用数值分析方法和GPS水准拟合过程分析软件对相关平面、二次曲面和三次曲面抗差推估数学模型进行对比分析研究.结果二次曲面抗差的结果要好于相关平面与三次曲面抗差的结果精度,并非抗差模型阶次越高有效性越高.抗差模型的精度与点位分布有关.在进行抗差计算时要结合多种模型进行比较分析,特别点要进行多次抗差计算,通过抗差计算有效剔出了粗差点,提高了GPS水准拟合精度.结论基于最小二乘的选权迭代抗差拟合模型解决了常规拟合模型不稳定的缺点,实际数据证明,模型结果能够达到等级几何水准的精度.     

基于密度校正的柴油体积流量测量

采集柴油密度随温度变化的数据,并对数据进行分析,用最小二乘法求25.30℃柴油密度与温度的关系,找到这些数据随温度变化的规律和理想的线性方程。在通常温度范围内可以快速准确地实现柴油密度实时在线计量,具有很大的实用价值。     

多维正交整体最小二乘应用研究

以往整体最小二乘的研究是在二维基础上探讨模型的适用性,但从二维延伸到多维的过程中,会引入过多的自变量与因变量误差,而在模型解算过程中,又不能完全考虑每一个误差变量,造成了误差的偏执,形成整体最小二乘最优结果的虚假现象。本文对二维延伸到多维的整体最小二乘、所产生的误差偏执、模型变异问题进行分析,引入了多维正交整体最小二乘,避开了误差变量的影响,使得二维、多维的整体最小二乘解算结果都可以达到最优。     

基于最小二乘的建筑物多边形的化简与直角化

依据建筑物多边形的图形特点分析了其在地图综合中两类处理模型:化简与直角化.在视觉的自然法则下,设定建筑物多边形在不同尺度下的凹陷与突出的长度阈值,并在此阈值下将建筑物多边形的点进行分组,进而在最小二乘平差模型下直线拟合组内各点以实现对其化简.针对直角化问题,提出了限制条件下的不等权直角化平差模型,即在多边形相邻的两边相互垂直的条件下使各点改正距离的加权平方和达到最小,保证了建筑物的整体位移较小,从而最大可能地避免了与其相邻地物的位置冲突.该模型已成功用于大比例尺综合缩编软件GenTool,在地图综合生产中获得了较为实用的效果.     

基于改进型SVM的城市污水处理过程异常数据清洗方法

针对城市污水处理过程数据存在噪声和缺失的问题,提出一种基于改进型支持向量机(improved support vector machine, ISVM)的异常数据清洗方法.首先,设计一种基于密度估计的噪声数据检测方法,实现对污水噪声数据甄别与剔除.其次,建立一种基于ISVM的缺失数据补偿模型,对缺失数据进行非线性拟合,获得数据缺失时刻的补偿值.最后,运用粒子群优化(particle swarm optimization, PSO)算法更新ISVM参数,提高缺失数据的补偿精度.将该清洗方法应用于城市污水处理过程中,实验结果表明,基于ISVM的异常数据清洗方法能够实现对异常数据的剔除以及缺失数据的补偿,提高了数据质量.     

正则化最小二乘线性判别分析算法

线性判别分析（Linear Discriminant Analysis,LDA）是用于降维和分类的方法,然而在遇到小样本问题时,由于全局散布矩阵是奇异的．所以传统的LDA方法是不适用的。为了解决LDA的这种缺点,提出了基于最小二乘线性判别分析（LeastSquares Linear Discriminant Analysis．LS—LDA）的正则化算法,在LS—LDA中分别加入关于加权矩阵的L1范数、L2范数和弹性网络的惩罚项、来解决小样本问题,使模型具有鲁棒性和稀疏性。在对回归分析、正则化方法和LS—LDA相关技术进行深入分析的基础上,构建正则化最小二乘线性判别分析框架算法,实现数据降维。结合标准文本数据集进行实验,采用KNN（K-Nearest-Neighbor）分类器进行文本分类。实验结果表明,正则化的LS—LDA具有很好的分类性能,其中以加入了弹性网络惩罚项的Ls—LDA最优.     

基于最小二乘法的热连轧机振动信号分析

为解决某热连轧机组在提高控制系统增益后发生异常振动故障这一问题,首先对相关部位进行了振动测试和测试信号的谱分析,获得了异常振动信号的特征.在此基础上将最小二乘法的辨识方法应用于热连轧机的异常振动故障诊断,建立了基于最小二乘法的热连轧机ARX故障诊断模型并通过了模型检验.对故障模型的稳定性分析表明:正常轧制状态下运行的系统是稳定的,而在提高增益后发生异常振动时系统极点非常靠近虚轴.从模型结构上来看,两者最明显的区别是纯延时的差异,纯延时破坏了系统的稳定性,形成了轧机的自激振动.同时也表明最小二乘法在解决大型复杂机电系统故障诊断问题的可行性和优越性.     

基于最小二乘支持向量机的煤矿瓦斯预测

瓦斯涌出量受多种自然因素和开发技术的影响,是一个非线性、高维的问题.提出了改进的PSO算法与LSSVM算法相结合对瓦斯涌出量进行预测的新方法.实验结果表明,该模型预测精度更高,泛化能力更强.     

最小二乘SVM的CR认知引擎设计

认知无线电(CR)的核心是认知引擎设计.为适合变化的无线环境状况,提出了一种基于最小二乘支持向量机的认知无线电认知引擎设计方法,该引擎根据经验知识,动态重配置无线环境参数.在802.11a仿真平台上模拟认知无线电通信系统模型,通过样本值训练支持向量机的分类、回归模型,并利用该模型学习信道特征,建立相应的认知引擎.在对感...