均匀设计的红外发烟剂配方

将均匀设计方法应用于红外发烟剂配方的优化试验研究，减少了试验工作量，优选出的红外发烟剂形成的烟幕，对8～14μm波段的红外辐射衰减率达96．6％。在均匀设计中引入了回归分析，得出了发烟剂组分与烟幕衰减率之间的定性关系。这种方法为红外发烟剂的研制提供了一种快速、有效的新途径。     

基于支持向量机回归的天然气负荷预测研究

Natural gas load forecasting is a key process to the efficient operation of pipeline network. An accurate forecast is required to guarantee a balanced network operation and ensure safe gas supply at a minimum cost. Machine learning techniques have been increasingly applied to load forecasting. A novel regression technique based on the statistical learning theory, support vector machines (SVM), is investigated in this paper for natural gas shortterm load forecasting. SVM is based on the principle of structure risk minimization as opposed to the principle of empirical risk minimization in conventional regression techniques. Using a data set with 2 years load values we developed prediction model using SVM to obtain 31 days load predictions. The results on city natural gas short-term load forecasting show that SVM provides better prediction accuracy than neural network. The software package natural gas pipeline networks simulation and load forecasting (NGPNSLF) based on support vector regression prediction has been developed, which has also been applied in practice.     

均匀设计优化青霉素V高产菌发酵培养基配方

应用均匀设计的方法对青霉素V发酵培养基中的氮源配比进行优化。研究了碳氮源和无机盐等成分对发酵效价的影响,确定各成分的最佳配比并用实验验证,使摇瓶发酵效价提高了13%以上。     

基于支持向量回归模型的焦炭质量智能分析

炼焦配煤是焦化企业生产过程中的一项关键工作。在钢铁工业中,焦炭在高温下的CSR和CRI质量指标尤其重要。为了改善需依赖经验的传统配煤手段,基于原料煤指标预测焦炭质量的思路被提出。通过分析国内外的一些预测方法,针对目前存在的不足进行改良,以西来峰焦化厂一期和二期为例,采用支持向量回归模型,对焦炭的CSR和CRI这2个质量指标进行了智能分析,并通过系统分析训练样本比例与预测精度的关系,指明进一步提升焦炭质量预测性能的工作方向。     

混料均匀设计试验数据的回归模拟

以混料配方研究为例,介绍了均匀设计和计算机回归分析在整理其试验数据中的应用。     

均匀设计及优化

介绍了均匀设计的产生、特点以及均匀设计表的使用。分析了因素水平数和变量区间的选取对试验设计的重要性。通过对目标值回归分析得出最佳模型，利用计算机优化技术进行模式识别．得出最佳条件。     

均匀设计在推进剂配方优化中的应用

采用均匀设计对双基推进剂配方中复合燃烧催化剂φ－Ｐｂ／β－Ｃｕ／ＴＹＣＢ的配比进行优化。用螺压成型工艺制备配比不同的推进剂样品,用回归分析方法处理试验数据,建立了铅、铜盐和炭黑三者与燃速的线性回归方程,并进行了显著性检验。结果表明均匀设计在推进剂配方优化中的应用是可行的。φ－Ｐｂ＝３．０％、β－Ｃｕ＝０．６％、ＴＹＣＢ＝０．４％。双基推进剂表现出较好的燃烧性能,燃速随压力变化很小。     

氢化丁腈橡胶配方优化的回归试验设计

利用回归分析法研究甲基丙烯酸锌(ZDMA)和过氧化二异丙苯(DCP)用量对氢化丁腈橡胶(HNBR)性能的影响。结果表明:随着DCP用量增大,胶料的t90缩短,Fmax、回弹值和DIN磨耗量增大,拉伸强度、撕裂强度和压缩永久变形减小;随着ZDMA用量增大,胶料的t90缩短,Fmax、硬度、拉伸强度、撕裂强度、DIN磨耗量和压缩永久变形增大,回弹值减小;回归分析法可用于建立HNBR胶料各项性能与配方各组分用量之间的方程式,从而对配方进行优化。     

均匀设计在聚氨酯涂料性能优化中的应用

本文采用均匀设计法对影响双组分丙烯酸聚氨酯涂料性能的主要因素进行了研究，建立了涂膜主要性能的回归方程，并通过采用网格法进行多目标优化，获得了涂膜综合性能最佳时的羟基聚合物的玻璃化温度、羟值、相对分子质量及NCO／OH比值等试验条件的取值范围，这不仅可用来指导具体试验，减少试验次数并得到较为理想的试验结果，而且有利于配方的优化，可在配方变化的情况下对涂料的性能进行预测。在此基础上，本研究制备了耐候性优良、热稳定性好、其他性能优良的双组分聚氨酯涂料。     

配方均匀设计法优化水泥助磨剂及应用试验

水泥工业是耗能大户,水泥粉磨工序中掺入助磨剂是水泥工业实现节能降耗重要途径之一。试验选用醇胺类物质(A)、多元醇(B)及有机盐(C)三种物质为助磨剂的组成材料,采用配方均匀设计法优化助磨剂的配方;对优化配比配制的助磨剂进行了助磨效果的实验室小磨试验和工业性生产试验。结果表明:采用均匀配方设计方法优化水泥助磨剂配比是可行的,所优选的助磨剂的助磨和增强效果明显。     

Research on Natural Gas Short-Term Load Forecasting Based on Support Vector Regression

Natural gas load forecasting is a key process to the efficient operation of pipeline network. An accurate forecast is required to guarantee a balanced network operation and ensure safe gas supply at a minimum cost. Machine learning techniques have been increasingly applied to load forecasting. A novel regression technique based on the statistical learning theory, support vector machines (SVM), is investigated in this paper for natural gas short-term load forecasting. SVM is based on the principle of structure risk minimization as opposed to the principle of empirical risk minimization in conventional regression techniques. Using a data set with 2 years load values we developed prediction model using SVM to obtain 31 days load predictions. The results on city natural gas short-term load forecasting show that SVM provides better prediction accuracy than neural network. The software package natural gas pipeline networks simulation and load forecasting (NGPNSLF) based on support vector regression prediction     

基于均匀试验设计的聚异戊二烯胶乳硫化配方及其优化分析

采用均匀试验设计法,研究硫黄、促进剂MBT、ZDBC和DPG和用量对聚异戊二烯胶乳硫化胶膜性能的影响,引入断裂能作为硫化胶膜性能的评价指标,构建断裂能与3种促进剂和硫黄用量的数学回归模型并进行优化。结果表明:在本试验条件下,构建的断裂能、硫黄、促进剂MBT、ZDBC和DPG用量(S,M,Z和D)之间的关系为W(S,M,Z,D)=29.0558-0.0020S5+5.3918(M×Z)0.55-2.8504D1.4+4.9786(M×Z×D)0.53,并由此求得优化方案;硫黄用量为0.98 g,促进剂MBT用量为0.77 g,促进剂ZDBC用量为0.77 g,促进剂DPG用量为0.32 g,硫化胶膜的断裂能模拟优化值为42.78 J·m-^2,验证试验实测值达39.81 J·m^-2,与模拟优化值接近,表明构建的回归模型具有实际应用价值;促进剂MBT与ZDBC之间以及促进剂MBT,ZDBC与DPG三者之间存在交互效应。     

用均匀设计和回归分析法优化黄连提取工艺

运用均匀设计和回归分析方法优化中草药黄连的提取工艺。以提取物中药根碱、巴马亭和小檗碱的含量为考察指标,对影响黄连提取工艺的因素进行分析。经优化筛选得到最佳提取工艺,其药根碱、巴马亭和小檗碱的收率分别为10.52、23.58、68.17mgg-1药粉,优于文献报道,可以用于黄连的工业提取过程。研究结果表明,均匀设计和回归分析方法尤其适合应用于多因素、多水平地筛选中药提取过程参数。     

An Approach to Continuous Approximation of Pareto Front Using Geometric Support Vector Regression for Multi-objective Optimization of Fermentation Process

The approaches to discrete approximation of Pareto front using multi-objective evolutionary algorithms have the problems of heavy computation burden, long running time and missing Pareto optimal points...     

支持向量回归的几何方法及其在发酵过程快速建模中的应用(英文)

Support vector machine(SVM) has shown great potential in pattern recognition and regressive estima-tion.Due to the industrial development demands,such as the fermentation process modeling,improving the training performance on increasingly large sample sets is an important problem.However,solving a large optimization problem is computationally intensive and memory intensive.In this paper,a geometric interpretation of SVM re-gression(SVR) is derived,and μ-SVM is extended for both L1-norm and L2-norm penalty SVR.Further,Gilbert al-gorithm,a well-known geometric algorithm,is modified to solve SVR problems.Theoretical analysis indicates that the presented SVR training geometric algorithms have the same convergence and almost identical cost of computa-tion as their corresponding algorithms for SVM classification.Experimental results show that the geometric meth-ods are more efficient than conventional methods using quadratic programming and require much less memory.     

夫西地酸发酵培养基优化

为了筛选夫西地酸高产培养基配方,提高夫西地酸发酵水平,以F17D2744为试验菌株,通过均匀设计方法,对不同碳氮源及微量元素等的配比实验,确定了最佳发酵培养基配方。试验结果表明:以蔗糖4.3%、糊精2%、酵母粉1%、蛋白胨3%、生物氮素0.59%、MgSO40.2%,KH2PO40.15%为发酵培养基配方,最终发酵效价较初始配方的发酵效价提高了234%。     

基于多维光谱的多组分混合气体浓度支持向量机算法

针对多组分混合气体特征吸收光谱重叠严重的难点,提出一种新的基于多维光谱的多组分混合气体浓度支持向量机定量分析算法。算法采用核函数变换的方式,将重叠严重和非线性的光谱数据进行高维空间变换后再计算各组分气体浓度。将算法用于天然气各组分气体浓度的定量分析中,实验结果表明,算法的检验准确率和效率均显著优于其它多组分混合气体浓度定量分析算法。     

一种改进的支持向量回归的混凝土强度预测方法

混凝土抗压强度是影响建筑质量的主要因素,根据一些主要参数事先预测其强度可作为现场施工的参考.以支持向量回归(SVR)为理论基础,提出一种基于马氏距离的加权型SVR(MWSVR)的人工智能算法对混凝土强度进行预测.不同于将训练样本统一看待的传统方法,该算法根据训练集和测试集自变量的距离来决定训练样本在求解SVR模型中的重...     

基于涡流搜索算法的支持向量机分类模型

提出一种将涡流搜索算法用于支持向量机参数选取的新算法,利用该算法不必遍历搜索空间内所有的参数点即可找到全局最优解。给出了具体的算法流程,并进行了仿真。仿真实验结果表明涡流搜索算法是选取SVM参数的有效方法。