基于PSO—SVM的煤与瓦斯突出强度预测模型

为有效预测煤与瓦斯的突出强度,分析了煤与瓦斯突出的主要影响因素,建立了基于粒子群优化支持向量机方法（PSO—SVM）的煤与瓦斯突出强度预测模型,通过实例对该模型的预测效果进行检验,同时还分别采用了BP神经网络（BP—NN）和支持向量机方法（SVM）对该实例进行了预测,进而对这3种方法的预测精度进行了比较。分析结果表明3种方法的预测准确率PSO—SVM为87．5％、BP—NN为50％、SVM为62．5％。可见,PSO—SVM方法的预测效果要好于BP—NN和SVM,对煤矿煤与瓦斯突出强度预测具有一定的参考价值和指导意义。     

基于有效度和相对熵的短期电力负荷组合预测方法

负荷的精确预测是保证电力系统稳定调度的基础,为了更好地综合利用各单项预测方法,提高预测效果,该文引入相对熵组合方法对电力负荷进行预测。首先引入有效度的概念,对单项预测方法的准确程度进行判别,筛选出结果准确的多个单项预测方法,分别进行虚拟预测;并利用支持向量矩阵求解相对熵最值,得到动态的最优模型权重值,进行组合预测。以青海某区域实际负荷功率数据为例,利用ARIMA模型、BP神经网络、RBF神经网络及支持向量机(SVM)4种方法的预测结果进行相对熵组合预测,该预测方法与现有的组合预测方法对比,具有优越性与可行性。     

一种改进的SVM短期电力系统负荷预测方法

针对电力市场环境下短期电力系统负荷预测准确、高效的要求,提出了一种改进的支持向量机短期负荷预测方法。利用主成分降维获取日负荷数据的特征因子,通过灰色关联分析建立负荷特征因子与影响因素之间的关联关系。构建不同日之间影响因素的加权差异度值,将倒数作为权重系数引入支持向量机模型,建立了一种考虑影响因素权值特征的SVM负荷预测模型。仿真结果表明,改进的SVM模型在一个月内负荷预测的平均预测准确率约为97.01%,日均相对误差在0.32%～3.57%范围内波动。该模型的负荷预测准确率和稳定性均优于常规的SVM模型与LS-SVM模型。     

基于PSO-SVM的离心式压缩机转速模型的研究

针对宁夏某石化公司离心式CO2压缩机透平转速预测难以实现问题,引入PSO-SVM回归模型对离心式压缩机透平转速进行预测.分析选取离心式压缩机透平转速作为模型因变量,通过相关分析从采集量中选取高相关度预测因子,运用粒子群算法选择模型最优参数,利用支持向量机的方法建立模型进行预测,与传统的SVM模型进行对比,该模型得到了良好效果,能够有效预测压缩机透平转速.     

一种支持向量机参数选择的改进分布估计算法

支持向量机(support vector machine,SVM)的学习性能和泛化能力在很大程度上取决于参数的合理设置. 将支持向量机的参数选择问题转化为优化问题,以模型预测均方根误差为评价函数,提出一种引入混沌变异操作的改进分布估计算法(estimation of distributionalgorithm,EDA),并将其用于优化求解ε-支持向量机的参数:惩罚因子、不敏感损失系数以及高斯径向基核函数的宽度. 由于改进EDA利用混沌运动的随机性和遍历性等特点在解空间内进行优化搜索,能够较好解决传统EDA易于陷入局部极小的缺陷. Chebyshev混沌时间序列预测仿真结果表明:改进EDA是选取SVM参数的有效方法.     

近红外光谱结合模式识别方法用于食盐溯源研究

应用近红外光谱分析技术,结合偏最小二乘辨别分析(PLS-DA)和支持向量机(SVM)两种模式识别方法用于5种食盐的品种追溯识别研究.将5种食盐250个样品分别在波长范围400~1 198 nm光谱条件下扫描并获取数据.从得到的每种食盐的光谱数据中随机选取34个样品利用SVM建立模型,用模型对其余16个样本进行预测,用网格寻优的方法选择最优参数,然后进行分类预测,5种食盐的准确识别率分别达到100%、93.8%、87.5%、100%和93.8%.通过PLSDA方法构建模型时采用二阶求导对近红外光谱数据进行预处理,并用留一法交互检验确定PLS模型的隐变量数,该模型对5种食盐的预测准确率分别达到93.75%、100%、100%、100%和100%,结果表明PLS-DA预测效果较SVM稍好.该研究为实现不同品种食盐的鉴定以及成品食盐的品种溯源提供了一种参考方法.     

基于梯度提升回归树的城市道路行程时间预测

为了提高行程时间的预测精度,在考虑时间序列相关性的同时,分析相邻路段的空间相关性对于行程时间的影响,并提出基于梯度提升回归树模型的城市道路行程时间预测方法.对车牌识别设备获取的实际数据进行预处理,并提出相应的补全算法以解决数据缺失问题,建立完整的历史数据集.通过分析各影响因素与行程时间的相关性,构建特征向量.为了能更好地理解模型,通过梯度提升回归树模型输出各变量对于预测结果的重要度.利用实际数据对模型进行评估,预测行程时间的平均绝对误差百分比,约为10.0%.与SVM、ARIMA等方法相比,所提方法具有较高的精度.     

顾及邻点变形因素的改进PSO-SVM模型大坝变形预测

为实现支持向量机模型(SVM)对大坝变形的精准预测,克服模型容易陷入局部最优的缺点,引入多尺度一维的小波分解函数和柯西分布密度函数优化SVM模型,并考虑邻近监测点之间的互扰性,建立了顾及邻点变形因素的改进粒子群优化支持向量机模型。利用粒子群算法(PSO)更新粒子群的速度和位置,组合标准的柯西分布密度函数优化模型的惯性权重,采用多尺度一维的小波分解函数对样本数据进行误差序列的剔除,选取3-fold交叉验证方法进行最佳参数的求解。对顾及邻近点的改进PSO-SVM模型实例进行对比研究,实例表明,顾及邻近点的改进PSO-SVM模型适用于短期样本的预测,在中长期样本情况下拟合精度不佳。设计了长期样本下的对比研究,结果表明,改进的PSO-SVM模型较SVM模型和PSO-SVM模型拟合效果最佳,验证了改进模型在长期样本下的适应性和有效性。     

基于SVM的老年痴呆症智能诊断研究

为了验证支持向量机（SVM）更适用于基于血常规数据的老年痴呆症的预测诊断,通过仿真实验,将BP神经网络、RBF神经网络、SVM支持向量机分别应用于老年痴呆症的预测诊断,建立3种算法对应的诊断模型,并对3种模型的预测结果进行分析比较,仿真实验在Matlab软件平台上进行. 结果表明,与BP、RBF神经网络方法相比,SVM模型预测准确度高,建模时间短,整体性能好,更适用于基于血常规数据的老年痴呆症预测诊断,实际应用时可以此结论作为理论指导.     

支持向量机及其在径流预测中的应用

给出了支持向量机方法(SVM)的思路、特点及关键之处,探讨了SVM在径流预测中的可能性,并与基于遗传算法的门限回归模型(TR) 进行了对比分析。径流预测实例分析表明,在拟合阶段,SVM模型要好于TR模型;在预留检验阶段,SVM模型与TR模型接近。同时SVM模型适合于小样本情况且能达到全局最优。SVM模型用于径流预测是可行的、优越的。     

图像去噪的改进自适应全变差正则化模型

针对经典全变差正则化模型在去噪时图像边缘易模糊的不足,在全变差正则化模型与调和去噪模型的基础上构建了一种改进的自适应全变差正则化模型,并利用旋转不变性更好的梯度模值确定其自适应参数,降低该自适应正则化模型对噪声的敏感性,以兼顾图像的平滑去噪与边缘保留。数值实验结果表明,与MARQUINA的改进全变差正则化模型相比,自适应全变差正则化模型的复原图像在视觉效果和峰值信噪比上都有显著提高。     

TV/L2-based image denoising algorithm with automatic parameter selection

In order to improve the adaptiveness of TV/L2-based image denoising algorithm in differ- ent signal-to-noise ratio （SNR） environments, an iterative denoising method with automatic parame- ter selection is proposed. Based upon the close connection between optimization function of denois- ing problem and regularization parameter, an updating model is built to select the regularized param- eter. Both the parameter and the objective function are dynamically updated in alternating minimiza- tion iterations, consequently, it can make the algorithm work in different SNR environments. Mean- while, a strategy for choosing the initial regularization parameter is presented. Considering Morozov discrepancy principle, a convex function with respect to the regularization parameter is modeled. Via the optimization method, it is easy and fast to find the convergence value of parameter, which is suitable for the iterative image denoising algorithm. Comparing with several state-of-the-art algo- rithms, many experiments confirm that the denoising algorithm with the proposed parameter selec- tion is highly effective to evaluate peak signal-to-noise ratio （PSNR） and structural similarity     

电视新闻栏目定位应目标化

电视新闻制作者和电视观众之间存在着互动和互制的关系,这决定了电视新闻应锁定目标,在时间档的安排、内容的选择、播报风格的确立、目标受众的确定上,应该合理编排,准确定位。     

TV 2.0时代的受众进化与电视剧跨媒介叙事模式探析

数字技术革命打造了融合的媒介新景观,电视媒体正与互联网融合走进了TV2.0时代。在新的媒介环境下,电视观众改变了传统的消费方式,从整体走向分化,从被动变成主动。为了迎合新媒体受众需求,西方主流电视媒体将亨利·詹金斯阐释的＂跨媒介叙事＂付诸于电视剧的生产实践。本文解析这一模式的产生机理与叙事特点,以期对我国电视媒体在新媒体时代的生产创新提供启示。     

非接触电能传输系统参数非线性规划

针对非接触电能传输系统的频率分叉问题,提出一种改进的参数设计方法.将频率分叉参数模型等效为约束条件,以传输效率最高为目标,同时考虑输出稳压、参数额定值等条件,建立系统的非线性规划模型,采用遗传算法来优化模型参数.为了增强算法处理约束的能力,去掉对约束的整体归一化以增大约束的整体权重|对没有可行个体的种群,将核心约束的满足比例作为新的自适应罚参数,以降低违反核心约束个体的适应度.仿真与实验结果表明：该算法处理约束能力增强|所得参数能使系统稳定运行于零相角频率处,无分叉现象|发现系统在频率分叉区外仍可能存在频率稳定的区域,降低系统参数优化的约束强度.     

基于生理信号的观众情感状态识别模型

为研究电影情节与观众生理信号变化的关系,提出基于生理信号的观众情感状态识别模型,从观众生理信号中提取特征,采用顺序前进法（SFS）进行特征选择,并基于支持向量机（SVM）建立观众情感状态识别模型.实验选择了不同类型的3部影片,共11名人员参加,在电影播放时拍摄观众表情并记录其生理信号,基于表情人工标注其情感状态.实验结果表明：该模型对各情感状态的区分较理想,平均识别率在90%以上.     

一种局部协同过滤的排名推荐算法

基于矩阵分解模型、时间因素和排名模式,提出一种局部协同过滤的排名推荐算法,并放松用户对项目的评分矩阵是低秩的这一假设,假设用户对项目的评分矩阵是局部低秩的,即评分矩阵在某个用户项目序偶的近邻空间内是低秩的。修改信息检索中常用的评价指标平均倒数排名(mean reciprocal rank, MRR)函数,使其适合评分数据集合,然后对其进行平滑化操作和简化操作,最后直接优化这一评价指标。提出的算法易于并行化,可以在大型的真实数据集合上运行。试验结果表明该算法能提升推荐的性能。     

注塑机后模板顺序优化设计研究

为了有效地降低注塑机模板的重量，提出了从高层次拓扑优化到底层次参数化优化的顺序优化设计方法.该方法基于拓扑优化设计以及参数化优化设计理论，运用密度方法建立结构的拓扑优化数学模型，用优化准则(OC)法对拓扑优化问题进行求解，运用敏度过滤技术解决棋盘格式和网格依赖问题.对拓扑优化得到的模型进行规整，并采用基于连续非约束最小化技术(SUMT)的子问题近似法, 对规整后的模型进行参数化优化，得到最终的顺序优化模型.研究结果表明，与原有的后模板模型相比，用该顺序优化方法得到的后模板模型的刚度和强度均有提高，体积明显减少.     

认知无线电网络频谱竞标和定价

为充分利用空闲的电视(TV)广播信道,给出了一个层次化频谱贸易模型,分析了TV广播机构、运营商、用户驻地设备间的交互. 将多个TV广播机构和多个运营商间的频谱贸易建模为双向拍卖,给出了简单易行的算法. 使用演化博弈理论描述认知用户在选择运营商时的动态行为,用中心化算法实现网络选择的演化过程;用非合作博弈描述运营商间的接入价格竞争. 为追求最大化利润,运营商应合理地联合决定所需的TV信道数和业务接入价格. 数值结果揭示了频谱贸易模型性能. 所提的方案改善了无线频谱使用效率,提高了经济和社会效益.     

The Optimization of Manufacturing Resources Allocation Considering the Geographical Distribution

考虑地理位置分布的制造资源配置优化

梁策远¹, 贺利军², 朱光宇¹

（1.福州大学 机械工程及自动化学院 福州 350116;

2武汉理工大学 物流工程学院, 武汉 430070）

创新点说明：

1) 建立了云制造环境下跨地理位置制造资源配置的模型,包括初选和优选两个阶段。

2) 优选阶段采用了基于模糊集关联熵的PSO算法解决高维多目标优化,此方法要好于NSGA-II和基于随机权重的PSO算法。

3) 考虑了配置过程中制造资源正常和出错两种情况,突显了该方法所具有的实时性,动态性和容错性。

研究目的：

建立云制造中跨地理位置资源配置模型,优化配置方案,实现配置的实时性,并能在资源出现异常情况时做出动态响应,提高容错率。

结果：

在制造资源正常和出错的情况下,基于模糊集关联熵的PSO算法均能正常得出配置优化结果,适应度值()分别达到了0.745和0.718（此数值越大表示越接近理想解）,要好于NSGA-II和基于随机权重的PSO算法所得到的结果。

结论：

建立的资源配置模型是合理的,能有效的应对制造资源出错的情形。基于模糊集关联熵的PSO算法可以有效的得出优化结果。

关键词：云制造; 资源优化配置; 模糊关联熵; 高维目标优化; 供应链