基于KPCA和LSSVM的过热器异常诊断

为提高过热器系统异常识别准确率,对核主元分析以及最小二乘支持向量机在过热器异常识别分类中的应用进行研究,提出了一种改进KPCA-LSSVM的过热器异常工况识别策略.采用核主元分析算法对获取到的过程数据提取主成分,并选择贡献度最大的主成分输入LSSVM中进行建模,建立KPCA-PSO-LSSVM分类模型对主汽温故障进行识...     

一种改进的GloVe词向量表示学习方法

GloVe模型是一种广泛使用的词向量表示学习的模型.许多研究发现,学习得到的词向量维数越大,性能越好;但维数越大,模型学习耗时越长.事实上,GloVe模型中,耗时主要表现在两方面,一是统计词对共现矩阵,二是训练学习词向量表示.该文在利用GloVe模型统计语料中词对共现时,基于对称或非对称窗口得到两个共现矩阵,然后分别学...     

基于灰色关联度分析的山西省PSO-SVR需水量预测模型

为准确进行需水预测,提出一种基于灰色关联度分析的PSO-SVR需水预测模型,该模型运用灰色关联度分析方法筛选出需水的主要影响因子,在此基础上应用粒子群算法优化支持向量回归机(SVR)模型中的参数,并利用此模型预测2015?2017年山西省需水量.结果表明,总需水量相对误差的绝对值分别为0.02％、0.08％、0.03％...     

考虑建筑物遮蔽的电力应急通信基站选址双层优化方法

电力应急通信基站仅依靠人的主观经验部署存在不足。因此,考虑建筑物对基站信号的遮蔽影响,基于单兵前往灾区勘测的回传信息,对研究问题进行图形化描述。在此基础上,提出了电力应急通信基站选址的双层优化模型。上层以基站间信号传输损耗最小为目标,在划定的基站可选位置范围内,针对非线性模型,利用粒子群算法优化基站的预选位置。下层以基站间信号传输路径与建筑物的间隔距离最大为目标,利用支持向量机优化基站的最终位置,并传递回上层以计算信号传输损耗,通过迭代优化获得基站的最优部署位置。通过在算例中与单层模型比较,验证了所提方法的可行性与有效性,可为发生重大自然灾害后电力应急通信网的搭建提供技术参考。     

基于双谱和谱特征的心电信号分类方法

双谱作为最低的高阶谱,具有一系列优良特性,但也存在计算量大的缺陷.文中提出了一种在双谱矩阵基础上直接提取二维特征的心电信号特征提取方法.该方法将谱平坦度、谱亮度和谱滚降度3类谱特征组成特征向量,结合基于径向基核函数的支持向量机分类方法实现ECG信号的分类识别.然后,使用MIT-BIH数据库中的ECG信号对该方法进行了验...     

支持向量机在酒精发酵过程建模中的应用

支持向量机(SVM)是近年来发展起来的一种基于统计学习理论,采用结构风险最小化的新型学习机器.将支持向量机应用到酒精发酵生产过程建模中,仿真结果表明,支持向量机模型是有效的,SVM模型比BP网络模型有更好的预测能力.     

江苏省电力需求与工业生产之间的关系分析

利用江苏省1998-2009年工业生产与商业用电、工业用电、城镇居民用电、其他用电和总用电量的对数差分序列建立向量自回归模型。分析认为,从工业生产到工业、其他部门、城镇和总用电量存在着因果关系。此外,还表明宏观经济条件的改变对工业、其他部门、城镇部门用电产生重要影响。     

基于SVM的控制图模式识别方法研究

质量控制图的模式识别是智能工序质量诊断分析系统的基础,产品的大规模定制趋势使得统计控制的样本量减少.在探讨以往的识别方法的基础上,研究了基于支持向量机(support vector machine,SVM)的质量控制图模式识别方法,该方法以控制图的12个时域特征作为分类的统计量,利用支持向量机作为分类器,对控制图的正常模式和各种失效模式进行识别.仿真实验表明,该方法在小样本条件下具有识别率稳健、识别速度快等优点,为实现大规模定制模式下工序质量在线诊断和事前控制提供了一种可行的途径.