Support vector machine forecasting method improved by chaotic particle swarm optimization and its application

By adopting the chaotic searching to improve the global searching performance of the particle swarm optimization (PSO), and using the improved PSO to optimize the key parameters of the support vector machine (SVM) forecasting model, an improved SVM model named CPSO-SVM model was proposed. The new model was applied to predicting the short term load, and the improved effect of the new model was proved. The simulation results of the South China Power Market’s actual data show that the new method can effectively improve the forecast accuracy by 2.23% and 3.87%, respectively, compared with the PSO-SVM and SVM methods. Compared with that of the PSO-SVM and SVM methods, the time cost of the new model is only increased by 3.15 and 4.61 s, respectively, which indicates that the CPSO-SVM model gains significant improved effects. Foundation item: Project(70572090) supported by the National Natural Science Foundation of China     

江西省农业旱情预测模型的建立与应用

根据农业用地的不同性质分别建立旱地缺墒模型,灌溉水田、水浇地、菜地与望天田缺水度模型,并据此建立江西省农业旱情预测模型,对江西省农业旱情进行预测.为科学抗旱和减少旱灾损失提供依据和指导.     

基于RBF神经网络的裂缝开度预测模型

大坝裂缝开度是大坝安全的重要特征之一。针对传统裂缝开度预测模型的不足,提出了基于RBF神经网络的裂缝开度预测模型,该模型克服了传统模型容易陷入局部极小和运算迭代量大的缺点,有效地提高学习速度,加快了收敛速度,缩短了训练时间,使得预测精度提高,因此能较好地预测裂缝开度值。利用Matlab的RBF神经网络工具箱建立了裂缝开度预测模型,并应用于实际工程中,取得了较高的拟合预报精度,说明该方法具有较强的实用性。     

基于BP神经网络的建筑物用电能耗预测

建筑节能是当今城市建设和社会发展的前沿和研究热点,对建筑的能耗现状进行综合分析与评估是进行节能改造或节能设计的前提和基础,而建立反映能耗变化的预测模型是从宏观尺度上分析认识建筑能耗变化与发展特性、为公共建筑节能工作提供决策依据的有效途径和重要手段.研究针对常规BP网络算法收敛速度慢、易陷入局部最小点的缺点,采用了具有较快收敛速度及稳定性的LM算法进行预测,构造了基于BP神经网络的建筑物用电量预测模型.以某市公共建筑原始用电能耗统计数据作为样本,并采用MATLAB对预测模型进行了仿真预测.结果显示:误差在允许范围内.     

矿井提升机直接转矩控制系统转矩脉动最优控制

针对矿井提升机直接转矩控制系统低速段运行时存在转矩脉动过大的问题,提出了一种矿井提升机转矩脉动最优控制方法。该方法以预测模型为基础,采用零电压矢量注入方式进行最优电压矢量的占空比调整。整个占空比计算过程以转矩脉动最小为设计指标,采用在线计算的方式实时获得最优占空比。实验结果表明,该方法在低速时可有效减小电动机转矩脉动,获得优异的转矩控制性能。     

基于QPSO—WNN算法的煤矿人因可靠性预测模型研究

从生理及心理、安全管理、文化素质和工作环境4个方面提炼62个影响因子,分析煤矿安全中影响人因可靠性;采用小波神经网络(WNN)建立预测模型,为了解决小波神经网络算法易于使网络陷进局部极值,不能获得全局最优值的问题,采用量子粒子群算法(QPSO)对网络进行优化;采用220个训练样本数据对网络进行训练,然后采用100个测试样本数据进行测试,结果显示网络预测精度及收敛速度大大提高;并以某煤矿为例对其人因可靠性进行预测实例研究,结果显示该模型能较准确的预测人因可靠性。     

Fitts＇定律实验的设计与实现

首先,介绍了Fitts＇定律,然后,设计了验证Fitts＇定律的实验,最后,使用Matlab7.0.1对数据进行了统计和分析.实验结果有效地验证了Fitts＇定律,并且Fitts＇ Law（错误率为4％）得到的预测模型精度高于通过“effective width”Fitts＇ Law得到的预测模型.     

服役工况下的高速列车轴承温度预测模型构建

轴承温度预测对高速列车服役状态的评估以及运维策略的制定具有重要作用。针对复杂服役环境下的高速列车轴温预测问题,首先构建了轴承热力学近似计算模型,并分析了引起轴承温升的服役工况敏感参数,再利用支持向量机回归的方法建立了基于服役工况参数的轴承温度预测模型。对高速列车轴承履历服役数据进行统计分析,构建轴承温升相对速度变化的延迟量,确定轴承与环境的温差对轴承温升的影响,并据此对预测模型进行优化。以某高速列车大齿轮箱滚动轴承为例进行预测模型构建及优化方法验证,测试结果显示:预测模型优化前的综合平均相对预测误差为1.64%,优化后为1.35%,降幅为17.7%,预测模型优化前的综合最大相对误差为35.6%,优化后为17.7%,降幅50.3%。     

指挥控制系统效能评估指标值灰色预测模型

开展指挥控制系统效能预测性评估研究是提高评估准确性和预判战争发展的重要支撑.首先提出基于区间数的混合数据统一转换方法,解决了指标值为混合数据类型难于评估的问题;其次提出基于最近数据优先累积法的区间GM(1,1)模型,对累积法累加过程进行优化,体现最近数据对预测更重要的特点,用于GM(1,1)模型的参数估计,同时根据区间数整体性改进GM(1,1)模型,解决了传统灰色预测方法预测平均误差较大和无法对区间数时间序列进行预测的问题,最后利用新陈代谢思想对模型进行完善.以某次装备试验评估数据为例进行实例分析,结果表明,改进后的区间数GM(1,1)模型预测精度高,满足试验评估数据多样性和动态性特点,证明了该模型的可用性.     

改进PSO-LSSVM算法的SDN网络流量预测模型

SDN技术解决了IP网络布设困难、更新繁琐等突出问题, 近年来发展迅速. 本文针对SDN网络流量预测问题, 提出首先采用混沌理论对时间序列样本群进行相空间重构, 随后引入最小二乘支持向量机(LSSVM)构建SDN网络流量预测模型, 并结合改进的粒子群算法(PSO)对其关键参数进行优化. 实验结果证明, 该模型有效提高了SDN网络流量预测精度与误差控制水平, 具有良好的实际应用价值.