基于支持向量机的燃气短期负荷预测

介绍支持向量机的原理和支持向量回归模型,提出支持向量回归(SVR)模型的城市燃气短期负荷预测方法。探讨输入样本数据的选择和预处理方法、核函数和支持向量机参数的选择,结合某城市燃气日负荷数据进行燃气短期负荷预测。与BP神经网络预测方法相比,支持向量回归模型预测方法用于小样本情况下的燃气短期负荷预测精度略高。     

基于时间序列支持向量回归模型的变形监测研究

论述了支持向量机的回归算法,提出了基于时间序列支持向量回归的变形预测方法,并在MATLAB 6.5中编制了相应的基于时间序列支持向量回归程序,建立了相应的基于时间序列支持向量回归模型。以实例数据讨论了基于时间序列支持向量机回归模型的预测方法。研究表明：用时间序列支持向量回归模型建立变形监测的预测模型是可行的和有效的。     

基于支持向量机的结构损伤识别分析

支持向量机是一种基于统计学习理论的机器学习方法,具有很好的回归和预测性能.本文提出了一种基于支持向量机回归的结构损伤识别方法,采用柔度作为支持向量机的输入向量,并以两跨连续梁为例进行仿真计算.结果表明,本文方法可以较好的从单点损伤情况预测出两点损伤情况的损伤位置和损伤程度.     

高强混凝土强度预测的支持向量机模型及应用

高强混凝土的强度受多种因素的影响,其强度的预测是一个动态性的系统工程。采用支持向量机理论,建立了高强混凝土的强度预测的支持向量机预测模型。并将该模型计算结果与实测混凝土28 d抗压强度、BP网络计算的强度、RBF径向基函数神经网络计算的强度、线性回归模型计算的强度、非线性回归模型计算的强度进行比较。研究表明:预测结果与实测结果吻合较好,较线性回归和神经网络预测精度高,为高强混凝土的强度预测提供了一条新途径。     

基于SVR-EVM的项目进度-成本评价及预测研究

在介绍挣值法和支持向量机的基础上,提出借助项目的进度绩效指数和成本绩效指数建立回归型支持向量机模型,从而预测下一阶段的进度和成本偏差。提出利用交叉验证方法选择惩罚系数、不敏感损失系数和核函数的宽度,使回归型支持向量机模型具有较好的泛化能力。最后结合具体案例详细介绍了建立回归型支持向量机模型以及利用此模型进行预测的步骤。案例表明该方法是可行的和有效的。     

基于数据驱动的办公建筑电耗预测方法

对建筑电耗的有效预测能够为用能诊断、运行优化及区域能源管理提供有效的支撑.基于支持向量回归,建立复合的数据驱动模型来预测典型公共建筑的逐时耗电量.该模型的核心为根据电耗数据,利用关联挖掘并结合模糊聚类划分电耗类型,采用支持向量回归模型和小波分解技术实现对建筑电耗的非线性平稳预测和修正.实例应用结果表明:关联挖掘与聚类算...     

基于随机森林-支持向量机的企业债主体信用评级研究

企业债券是我国资本市场的重要组成部分,而信用评级是企业债券市场快速发展的基石。由于企业债券信用评级具有小样本、非线性、高维数等问题,传统的评级方法并不能很好地适用。采用新的机器学习方法即随机森林来对评级指标体系进行特征选择,在此基础上建立基于随机森林-支持向量机的企业债主体信用评级模型。选取120家在上海和深圳证券交易所以及银行间债券市场发行企业债的企业进行实证研究,结果显示,通过随机森林进行特征选择的随机森林-支持向量机比支持向量机模型具有更高的预测准确度。     

冲击地压危险性预测的最小二乘支持向量机模式识别

冲击地压受到多种复杂因素的影响，对其危险性进行预测可看成非线性、高维数、小样本的多类模式识别问题。利用最近发展的新的机器学习方法——支持向量机，提出了冲击地压危险性预测的最小二乘支持向量机方法，建立了预测模型，很好地表达了冲击地压危险等级与其影响因素之间的非线性关系。算例结果表明，该预测方法是可行的，且可以获得较高的准确度。     

冲击地压预测的PSO-SVM模型

 冲击地压是一种复杂的非线性动力学现象，其发生机制非常复杂，而在监测数据的基础上对其进行分析预测，是冲击地压的一个重要研究方法，但是采用传统的数学力学方法很难表达冲击地压与其影响因素之间的复杂非线性关系，其中采用时间序列进行预测是一个重要的研究方向。针对这一问题，将冲击地压看作一时间序列过程，采用支持向量机建立冲击地压序列之间的非线性关系；同时，考虑到支持向量机参数对预测效果的影响，采用微粒群算法对支持向量机参数进行优化选择，从而提出冲击地压预测的PSO-SVM模型，提高支持向量机的推广预测能力，并对一具体算例进行研究分析。研究结果表明，该方法是科学可行的，并具有很好的精度。     

高速公路软土路基沉降预测

软土路基沉降量的准确预测对高速公路施工与维护是非常重要的,但是影响路基沉降量的因素众多,并且沉降量之间具有高度复杂的非线性关系,用传统的数学、力学方法很难表示;将最新的机器学习技术-支持向量机应用于软土路基沉降量预测研究,提出了软土路基沉降量预测的支持向量机模型,该模型的应用结果表明,利用支持向量机进行预测是科学可行的,建立的模型很好地表示了沉降量之间的映射关系,并且提出的模型准确性高、推广预测能力强。