基于PCA-SVM的廉租房PPP融资风险预测

为提高廉租房PPP融资风险预测的精度,提出一种基于PCA-SVM的廉租房PPP融资风险预测模型。首先应用主成分分析(PCA)对廉租房PPP融资风险指标进行降维处理,消除指标间的冗余;进而将降维后的指标作为支持向量机(SVM)的输入,运用支持向量机完成对廉租房PPP融资风险预测。工程实例证明该模型可提高支持向量机的泛化能力、训练速度及精度。     

矿井涌水水源识别的MMH支持向量机模型

 提出一种新的多水源判别的H支持向量机模型。推导H支持向量机的理论推广误差公式,发现确保高优先级节点的推广性能是提高H支持向量机性能的有效途径;设计基于SVM最大间隔逐层分类、最小间隔逐层聚类构造H支持向量机的新方法,以各支持向量机节点的分类间隔为分类、聚类指标,通过TopDown,BottomUp两种方式混合构造H支持向量机,即MMH支持向量机。实验效果表明,MMH支持向量机结构简单、泛化能力强,不仅能正确区分各类水源,而且其层次结构能很好地反映各水源的层次关系。判别函数的法向量还可以指示各含水层水质化验指标的权重,为矿井涌水水源识别提供了新的科学方法。     

基于PCA和MCMC的贝叶斯方法的海下矿山水害源识别分析

海底金矿矿山水害对矿山生产、人员施工及矿山设备等产生较大威胁,是矿山开采中的自然灾害之一,快速有效的判别出矿山水害水源对于事故的防治有重要意义.三山岛金矿的巷道围岩裂隙普遍并长期存在涌水现象,矿区开采中矿井水害的水源主要有海水、第四系水、基岩裂隙水、地下水等,为了准确快速的判别矿井水水源,有效预防矿井水突水及水害威胁,本研究结合监测点水样的水文地质条件与不同监测点水样的水化学成分分析,选取Mg~(2+)、Na~++K~+、Ca~(2+)、SO_4~(2-)、Cl~-和HCO_3~-共6项指标作为判别因子,通过主成分分析得出不同水样的矿化程度.在贝叶斯算法分析原理的基础上,将马尔可夫链蒙特卡洛(Markov Chain Monte Carlo, MCMC)引入到贝叶斯方法中,运用统计软件SPSS统计,构建贝叶斯判别分析模型,得出基于水样样本信息的算法估计的后验分布,得出矿山水害水源的分析方法.运用三山岛金矿水害取水点的水样分析数据进行详细的分析验证,建立矿井突水水源模型,进行不同水样的信息分析,得出贝叶斯统计函数并进行水源判别结果分析,验证了贝叶斯矿山水害水源判别模型的准确性和实用性,对现场工作的开展和水害防治有一定的指导意义.     

基于改进果蝇算法优化SVM的个人信用风险评估

为了提高信用风险评估的准确率,应用支持向量机(SVM)来建立信用风险评估模型。针对SVM模型性能的优劣与参数的选择密切相关,提出对传统的果蝇优化算法(FOA)进行改进,采用改进的果蝇算法优化支持向量机的参数,并将该模型的评估结果分别与网格法、遗传算法(GA)和果蝇算法(FOA)优化SVM参数的评估结果对比。实验结果表明:使用改进的果蝇算法优化后的支持向量机模型的评估准确率更高,更适合用于信用风险评估。     

基于TSP和PCA-Bayes法的隧道围岩分级

高精度的围岩超前分级是隧道安全有效施工的重要保障。基于TSP303系统对前方围岩的预报结果,建立PCA-Bayes判别模型,选取纵波速度、横波速度、纵横波速比、泊松比、密度及静态杨氏模量作为判别指标,利用PCA法对学习样本进行降维处理,按照主成分累计方差贡献率大于85%的原则提取主成分,并将40个学习样本用提取的主成分表示。根据围岩实际揭露情况,将围岩分为II、III、IV、V 4级,各总体的先验概率以该总体的样本占比近似表示,依据平均错判损失最小的判别准则,建立各总体的Bayes判别函数,并得出各指标的得分系数,采用交互检验法评价了判别模型的优良性,根据建立的判别模型对10个待判样本进行了检验,并且与聚类分析及传统Bayes判别法的判别结果进行了对比分析。结果表明:相较于聚类分析与传统Bayes判别法,PCA-Bayes判别法的判别能力更强,准确率可达98%,提高了隧道围岩超前分级的精度。     

膨胀土等级判别的遗传支持向量机多分类方法

针对支持向量机模型中的参数难以确定的状况,提出了遗传支持向量机方法,即利用遗传算法来搜索支持向量机与核函数的参数,避免了人为选择参数的盲目性,同时提高了支持向量机的推广预测能力,并将该方法应用于膨胀土胀缩等级的判别分类问题。考虑影响膨胀土判别的重要因素,选用液限、胀缩总率、塑性指数、天然含水量和自由膨胀率5个指标作为模型的判别因子,以4类膨胀土胀缩等级作为相应的输出,以膨胀土实测数据作为学习样本进行训练,建立相应分类函数对待判样本进行分类。研究结果表明：遗传支持向量机模型分类性能良好,预测精度高,是膨胀土     

基于PCA和SVM算法的滑坡稳定性分析研究

滑坡稳定性的计算方法是滑坡研究的关键问题。本文选取了24个影响滑坡稳定性的因子,运用主成分分析对这些影响因子进行属性约简,去掉冗余的影响因素小的因子,得到12个核心的影响因子,并以此作为支持向量机的输入特征值,构建主成分分析与支持向量机结合的滑坡稳定性分析模型。通过对212组滑坡数据进行分析与验证,结果表明应用主成分分析-支持向量机模型不仅可以大幅度降低数据之间的相互影响,同时提高了稳定性分析准确性。     

多元混合模型及模糊综合评判法在水源判别中的应用研究——以云南会泽铅锌矿为例

建立快速有效的水源判别方法对于水害防治工作具有十分重要的意义。文章基于会泽铅锌矿水质数据分别建立了水源判别的多元混合模型及模糊综合评判模型,并对这两种判别方法进行对比分析,结果如下:(1)应用多元混合模型判别水源时,可根据水样来源判别数据组的稳定程度采用不同的处理措施:水样来源判别数据组整体上较为稳定时可运用各含水层对水样指标组合影响程度的平均值确定水样来源,亦可采用各评价指标组合判别结果的概率之和进行判别;水样来源判别数据组稳定性较差时,为保障判别精度,需采用各评价指标组合判别结果的概率之和进行判别。(2)从判别原理上来看,多元混合模型无需建立复杂的隶属函数及模糊矩阵,简单易懂。从判别准确度来看,多元混合模型准确度达100%,而模糊综合评判法则为75%。从适用范围来看,模糊综合评判法适用于具模糊性的边界条件,而多元混合模型的应用则无明显限制条件,适应性更强。因此多元混合模型在水源判别领域具有很大的应用潜力。     

基于PCA与PSO-SVM的谐振接地系统故障选线方法

为解决谐振接地系统单相接地故障对故障初始角为零以及接地电阻为高阻的故障线路识别效果差的问题,提出一种基于主成分分析与粒子群算法优化支持向量机(PCA-PSO-SVM)的选线方法。该方法通过Matlab/Simulink对小电流接地系统进行仿真,采集瞬时零序功率数据,将数据输入PCA-PSO-SVM模型中进行训练与测试,并将测试结果与单一的支持向量机模型以及经粒子群优化后的支持向量机模型进行对比,结果表明PCA-PSO-SVM模型有着更好的选线准确度与选线效率。     

一种基于层次分析和支持向量机的电网安全评估模型

文章提出一种基于层次分析和支持向量机的电网安全评估模型。首先,使用层次分析法对评估指标体系进行分析,对繁多的影响因素进行筛选简化;其次,通过支持向量机构建安全评估模型;最后,利用真实电网数据验证模型的可行性和准确率。模型减少了安全评估需要的指标数量,降低了计算复杂度,提高了收敛速度,避免了安全评估中主观因素的影响,提高了评估的准确性。