信息系统成本测算方法的研究

信息系统成本测算是投标或报价的基础。本文对成本测算的一般过程,采用的几种成本测算方法作了介绍。,分析了现阶段信息系统成本测算的难点,认为面对大量的不确定性,成本测算引入模糊机制和人工智能方法势在必行,并提出了一个结合遗传算法和神经网络的测算模型。实验表明,该模型具有较高的测算精度。     

基于粒子群优化算法的LS-SVM的GPS高程拟合

在GPS高程拟合中,传统拟合方法存在多数据、过学习、泛化能力弱等缺点,导致拟合结果精度欠缺,为此提出了LS-SVM拟合模型。利用粒子群算法对LS-SVM模型的初始参数进行了优化,通过实测数据对该模型进行了分析。实验结果表明,基于粒子群算法优化的LS-SVM模型较传统单一的二次曲面拟合法、BP神经网络、LS-SVM等模型拟合精度高。     

基于LS-SVM的模糊控制器研究

探讨了利用最小二乘支持向量机(LS-SVM)进行模糊控制器分析与设计研究的方法,提出了基于LS-SVM模型的模糊控制算法.该控制器融合了模糊控制与支持向量机的优点,具有不依赖被控对象模型、泛化能力强等特点.仿真结果表明,LS-SVM学习速度快,在小样本情况下具有良好的非线性建模和泛化能力.基于LS-SVM的模糊控制器具有很好的控制性能.     

装备软件产品成本测算方法的研究

装备软件产品成本是报价或审价的基础，但其存在计价难度大、技术复杂的问题。本文对常用的几种成本测算方法作了介绍，认为面对大量的不确定性，利用小波基极强的信号特征提取能力，提出了一个结合小波分析的BP神经网络的测算模型，并通过最小均误差能量函数优化。实验表明，该模型具有较高的测算精度。     

基于电容层析成像和LS-SVM的空隙率测量

基于12电极电容层析成像（ECT）和最小二乘支持向量机（LS-SVM），提出了一种油气两相流空隙率在线测量的新方法.该方法运用快速的线性反投影算法重建两相流截面图像，结合模糊模式识别技术辨识流型.把ECT电容传感器得到的66个电容测量值作为空隙率测量模型的输入，利用LS-SVM建立了针对不同截面流型的空隙率测量模型.在实际测量时，首先辨识流型，然后选择与流型相对应的空隙率测量模型计算获得空隙率.该方法省去了采用传统ECT方法测量空隙率时复杂的图像重建过程，提高了空隙率测量的实时性.实验结果表明该测量方法是有效的.     

军用座舱赋色原则研究

为提升军用座舱色彩设计效率、构建安全舒适的色彩情感环境空间问题,本文采用变异系数法赋权方式构建色彩因子设计提取模型,对军用座舱颜色空间进行赋色,分别建立军用座舱中皮肤色区域、填充物色区域及特殊色区域三种赋色区域的色彩设计因子空间,并总结相应赋色意象原则。为验证该原则的可行性,以某型军用座舱色彩设计为例,将军用座舱色彩设计因子提取模型方法及区域赋色意向原则应用到该型军用座舱色彩设计中。结果表明：该赋色原则能降低色彩运用的不确定性,有效提高了军用座舱色彩设计效率,缩短了色彩设计周期,约束了军用座舱色彩风格意象,提升了军用座舱色彩设计可识别性,营造了安全、效率的色彩环境。     

无线网元全生命周期成本模型研究与应用

为了科学测算无线网络的全生命周期成本,首先给出了无线网网元全生命周期成本的概念,基于模块成本测算方法和全成本的概念,明确了无线网元全成本的组成结构. 首次提出了网元全生命周期成本的计算模型,最后给出了某地区无线网络的全生命周期成本的计算模型. 利用模型进行了实证研究,对无线基站主要设备的全生命周期进行了基于模型的计算和分析,得到了许多具有较高实践意义的结论.     

农网业务外包标准成本的测算

结合标准成本理论研究和其他网省公司的经验和做法,依据两种标准成本测算方法,对重庆电力公司10家分公司的成本费用进行了测算。对标准成本参数、系数进行的分析和归纳表明,标准成本的制定要参照历史成本,依据当地社平工资标准,结合业务特性和各地区实际情况进行计算和修正。该文证明该定额标准来源可信,标准有效,具有可行性和可参考性。     

支持向量机α阶逆系统控制-离散非线性系统

针对传统逆系统方法中逆模型难以建立的问题，提出了基于最小二乘支持向量机（LS-SVM）的α阶时延逆系统控制方法.通过分析LS-SVM的函数拟合特性，以离散非线性系统为例，证明了基于LS-SVM阶时延逆系统存在的充分条件.利用具有径向基(RBF)核函数的LS-SVM，离线建立了被控对象的非线性逆模型.把得到的逆系统串连在原系统之前，得到基本上线性化的伪线性复合系统，将复杂的非线性问题转化为线性问题，利用线性系统的理论实现了伪线性系统的综合.仿真结果表明，该方法适应于较一般的离散非线性系统，且在没有被控对象先验知识的情况下，能准确地建立非线性系统的逆模型.     

转向系统背压加载的广义预测控制

针对转向系统背压加载的时变、非线性、多变量耦合等过程特性,研究了一种基于最小二乘支持向量机(least square support vector machine,LS-SVM)的广义预测控制算法.采用LS-SVM辨识方法对系统进行建模,并用粒子群算法对LS-SVM的参数进行寻优,为控制器的设计奠定基础;对于时变的特点,采用基于在线LS-SVM的广义预测控制混合算法,实时修改模型参数.转向系统背压加载的控制实验结果表明,基于LS-SVM的广义预测控制混合算法是有效的,能准确地跟踪设定的加载压力,对扰动有较强的鲁棒性,具有实际工程应用价值.     

Mine water discharge prediction based on least squares support vector machines

In order to realize the prediction of a chaotic time series of mine water discharge,an approach incorporating phase space reconstruction theory and statistical learning theory was studied.A differential entropy ratio method was used to determine embedding parameters to reconstruct the phase space.We used a multi-layer adaptive best-fitting parameter search algorithm to estimate the LS-SVM optimal parameters which were adopted to construct a LS-SVM prediction model for the mine water chaotic time series.The results show that the simulation performance of a single-step prediction based on this LS-SVM model is markedly superior to that based on a RBF model.The multi-step prediction results based on LS-SVM model can reflect the development of mine water discharge and can be used for short-term forecasting of mine water discharge.     

SVM model for estimating the parameters of the probability-integral method of predicting mining subsidence

A new mathematical model to estimate the parameters of the probability-integral method for mining subsidence prediction is proposed. Based on least squares support vector machine (LS-SVM) theory, it is capable of improving the precision and reliability of mining subsidence prediction. Many of the geological and mining factors involved are related in a nonlinear way. The new model is based on statistical theory (SLT) and empirical risk minimization (ERM) principles. Typical data collected from observation stations were used for the learning and training samples. The calculated results from the LS-SVM model were compared with the prediction results of a back propagation neural network (BPNN) model. The results show that the parameters were more precisely predicted by the LS-SVM model than by the BPNN model. The LS-SVM model was faster in computation and had better generalized performance. It provides a highly effective method for calculating the predicting parameters of the probability-integral method.     

基于最小二乘支持向量机的时变信道建模

基于2.55 GHz市区微蜂窝多输入多输出信道实测数据,将机器学习中的最小二乘支持向量机（LS-SVM）算法应用于时变信道参数的建模中,建立了基于遗传算法（GA）优化的LS-SVM信道参数预测模型,对信道参数如时延扩展、接收端的水平角度扩展和垂直角度扩展的数据特征进行了学习,并实现了准确预测;同时通过与反向传播神经网络模型以及传统的LS-SVM模型进行比较,验证了算法的有效性.基于GA优化的LS-SVM模型能够在有限数据量下对信道参数的变化有着良好的适应性,可实现非线性时变信道参数的准确预测.     

小样本条件下航空装备费用预测

为了提高小样本条件下的航空装备费用预测的精度,将信息扩散方法和支持向量机相结合,提出了信息扩散支持向量机预测模型,对模型的拓扑结构、建模步骤进行了描述.为了采用粒子群优化算法为模型选择合适的参数,考虑到模型参数既有连续变量,又有离散变量,提出对粒子位置的各个分量采用不同的更新策略.将信息扩散支持向量机应用于军用飞机机载...     

基于最小二乘支持向量机的锅炉对流受热面清洁吸热量预测

针对神经网络拓扑结构复杂、易出现过度训练、仅获局部最优解的问题,为提高锅炉对流受热面清洁时潜在吸热量预测的准确度,更好地进行受热面污染监测,提出了一种新的基于最小二乘支持向量机的对流受热面清洁时潜在吸热量预测方法。依据最小二乘支持向量机预测原理,建立对流受热面清洁时潜在吸热量最小二乘支持向量机预测模型,同时建立神经网络预测模型进行对比研究,实例研究结果表明,最小二乘支持向量机较神经网络具有更高的拟合度,预测各性能都高于神经网络,其在对流受热面清洁时潜在吸热量预测方面明显优于神经网络,将成为对流受热面清洁时潜在吸热量预测也即受热面污染监测方面更为有利的工具。     

Time series online prediction algorithm based on least squares support vector machine

Deficiencies of applying the traditional least squares support vector machine （LS-SVM） to time series online prediction were specified. According to the kernel function matrix＇s property and using the recursive calculation of block matrix, a new time series online prediction algorithm based on improved LS-SVM was proposed. The historical training results were fully utilized and the computing speed of LS-SVM was enhanced. Then, the improved algorithm was applied to timc series online prediction. Based on the operational data provided by the Northwest Power Grid of China, the method was used in the transient stability prediction of electric power system. The results show that, compared with the calculation time of the traditional LS-SVM（75 1 600 ms）, that of the proposed method in different time windows is 40-60 ms, proposed method is above 0.8. So the improved method is online prediction. and the prediction accuracy（normalized root mean squared error） of the better than the traditional LS-SVM and more suitable for time series online prediction.     

A forecasting and forewarning model for methane hazard in working face of coal mine based on LS-SVM

To improve the precision and reliability in predicting methane hazard in working face of coal mine, we have proposed a forecasting and forewarning model for methane hazard based on the least square support vector (LS-SVM) multi-classifier and regression machine. For the forecasting model, the methane concentration can be considered as a nonlinear time series and the time series analysis method is adopted to predict the change in methane concentration using LS-SVM regression. For the forewarning model, which is based on the forecasting results, by the multi-classification method of LS-SVM, the methane hazard was identified to four grades: normal, attention, warning and danger. According to the forewarning results, corresponding measures are taken. The model was used to forecast and forewarn the K9 working face. The results obtained by LS-SVM regression show that the forecast- ing have a high precision and forewarning results based on a LS-SVM multi-classifier are credible. Therefore, it is an effective model building method for continuous prediction of methane concentration and hazard forewarning in working face.     

基于优化参数的LS-SVM模型的股票价格时间序列预测

为有效预测股票数据,提高投资者的股市投资能力,降低投资风险,提出一种基于优化机器学习方法的股价时间序列预测方法。对股票序列进行了主成分分析,提取累积贡献率大于95%的主成分作为输入变量,并对比了优化核函数宽度g和正则化参数γ后的LS-SVM和SVM模型的预测效果。运用的支持向量机技术经遗传算法优化参数后,降低了预测的均方误差,提高了预测效果和效率,较其他非线性预测方法,具有泛化能力好、鲁棒性强、预测精度高等优点。最后给出了实证结果分析和研究结论,对有效预测股票数据有一定现实指导意义。     

Kalman滤波在刀具磨损预测模型中的应用

基于LS-SVM建立刀具磨损预测模型,描述铣削过程中输入向量（进给率、切削速度、主轴转速、切削深度、切削时间及磨损位置）和输出向量（刀具磨损）之间的映射关系,并引入Kalman滤波技术,建立LS-KF模型,考虑加工条件及环境变化引起的刀具磨损量的变化,结合刀具的实际磨损量更新LS-SVM的预测结果,并用该更新结果调整训练模型,以使更新后的刀具磨损量能够反映出由于加工条件及环境的变化引起的刀具磨损的变化,提高LS-SVM模型的预测精度,最后用实验验证所建立模型的预测精度。结果表明,LS-SVM模型和LS-KF模型的预测精度均较高,且LS-KF模型的预测精度更高。     

模糊支持向量机的非直达波抑制算法

针对支持向量机中由于噪声和野值带来的过拟合问题,提出了基于模糊最小二乘支持向量机(fuzzy LS-SVM)的抑制非直达波的移动定位方法。利用一种基于支持向量数据域描述的模糊隶属度函数模型,根据样本到特征空间最小包含超球球心的距离来确定模糊隶属度。仿真结果表明了该方法的稳健性,提高了LS-SVM的抗噪声能力。