基于最小二乘支持向量機(jī)回歸的基坑變形預(yù)測(cè)——將最小二乘支持向量機(jī)回歸用于基坑變形預(yù)測(cè)．根據(jù)基坑位移的實(shí)測(cè)時(shí)間序列資料，應(yīng)用最小二乘支持向量機(jī)回歸建立了基坑位移與時(shí)間的關(guān)系模型．研究結(jié)果表明，最小二乘支持向量機(jī)回歸用于基坑變形預(yù)測(cè)，具有較高的預(yù)...

采用最小二乘支持向量機(jī)的方法,利用現(xiàn)場(chǎng)測(cè)量的數(shù)據(jù),建立水泥粒度軟測(cè)量模型;通過交叉驗(yàn)證方法優(yōu)化參數(shù),并用仿真實(shí)驗(yàn)驗(yàn)證了該方法的有效性,解決了非線性、小樣本、高維數(shù)等常規(guī)測(cè)量方法難以實(shí)現(xiàn)的問題,實(shí)現(xiàn)了水泥粒度的在線測(cè)量。

針對(duì)在工程實(shí)踐中,應(yīng)用單一方法預(yù)測(cè)建筑物沉降存在著局限性,提出了基于最小二乘支持向量機(jī)回歸綜合單一方法預(yù)測(cè)沉降量。該方法能綜合單一方法的特點(diǎn),增強(qiáng)了模型的普適性,從而提高了預(yù)測(cè)精度和預(yù)報(bào)期次。文中討論了如何實(shí)現(xiàn)和運(yùn)用該方法,最后通過實(shí)例驗(yàn)證了其有效性。

針對(duì)最小二乘支持向量機(jī)在利用產(chǎn)生于工業(yè)現(xiàn)場(chǎng)的非理想數(shù)據(jù)集進(jìn)行建模預(yù)測(cè)時(shí),稀疏化模型魯棒性差的問題,提出了一種基于模糊c均值聚類和密度加權(quán)的稀疏化方法.首先通過模糊c均值聚類將訓(xùn)練樣本劃分為若干個(gè)子類;然后計(jì)算每個(gè)子類中各樣本的可能貢獻(xiàn)度,依次從每個(gè)子類中選取具有最大可能貢獻(xiàn)度的樣本作為支持向量;最后更新每個(gè)樣本的可能貢獻(xiàn)度,繼續(xù)從各個(gè)子集中增選支持向量,直至稀疏化后的模型性能滿足要求.仿真結(jié)果和磨機(jī)負(fù)荷實(shí)際應(yīng)用表明,該方法能夠兼顧模型在整體樣本集和各工況子集上的性能,在實(shí)現(xiàn)模型稀疏化的同時(shí),能夠顯著改善最小二乘支持向量機(jī)模型的魯棒性.

基于可靠性數(shù)據(jù)分析和最小二乘支持向量機(jī)對(duì)電力變壓器故障進(jìn)行了診斷,并給出了實(shí)例分析。

簡(jiǎn)述了齒輪故障診斷原理,針對(duì)催化主風(fēng)機(jī)齒輪箱故障診斷實(shí)例,介紹了齒輪故障診斷方法,并進(jìn)一步說(shuō)明了齒輪故障診斷技術(shù)的現(xiàn)場(chǎng)應(yīng)用。

采用最小二乘支持向量機(jī)預(yù)測(cè)算法對(duì)電力電子電路進(jìn)行故障預(yù)測(cè).以基本降壓斬波電路為例,選擇電路輸出電壓作為監(jiān)測(cè)信號(hào),提取輸出電壓平均值及紋波值作為電路特征性能參數(shù),并利用ls-svm回歸預(yù)測(cè)算法實(shí)現(xiàn)故障預(yù)測(cè).仿真結(jié)果表明,利用ls-svm對(duì)基本降壓斬波電路輸出平均電壓與輸出紋波電壓的預(yù)測(cè)相對(duì)誤差均低于2%,能夠跟蹤故障特征性能參數(shù)的變化趨勢(shì),有效實(shí)現(xiàn)電力電子電路故障預(yù)測(cè).

提出一種聯(lián)合灰色模型(greymodel,gm)和最小二乘支持向量機(jī)回歸(leastsquaresupportvectorregression,lssvr)算法的電力短期負(fù)荷智能組合預(yù)測(cè)方法。在考慮負(fù)荷日周期性的基礎(chǔ)上,通過對(duì)歷史負(fù)荷數(shù)據(jù)的不同取舍,構(gòu)建出各種不同的歷史負(fù)荷數(shù)據(jù)序列,并對(duì)每個(gè)歷史數(shù)據(jù)序列分別建立能修正β參數(shù)的gm(1,1)灰色模型進(jìn)行負(fù)荷預(yù)測(cè);采用最小二乘支持向量機(jī)回歸算法對(duì)不同灰色模型的預(yù)測(cè)結(jié)果進(jìn)行非線性組合,以獲取最終預(yù)測(cè)值。該方法在充分利用灰色模型所需原始數(shù)據(jù)少、建模簡(jiǎn)單、運(yùn)算方便等優(yōu)勢(shì)的基礎(chǔ)上,結(jié)合最小二乘支持向量機(jī)所具有的泛化能力強(qiáng)、非線性擬合性好、小樣本等特性,提高了預(yù)測(cè)精度。仿真結(jié)果驗(yàn)證了所提出組合方法的有效性和實(shí)用性。

針對(duì)最小二乘支持向量機(jī)在電力負(fù)荷預(yù)測(cè)應(yīng)用中的參數(shù)優(yōu)化問題,將改進(jìn)粒子群算法引入到最小二乘支持向量機(jī)參數(shù)中,建立一種新型的電力負(fù)荷預(yù)測(cè)模型(ipso-lssvm)。首先將最小二乘支持向量機(jī)參數(shù)編碼為粒子初始位置向量;然后通過粒子個(gè)體之間的信息交流、協(xié)作找到最小二乘支持向量機(jī)的最優(yōu)參數(shù),并針對(duì)標(biāo)準(zhǔn)粒子群算法的不足進(jìn)行相應(yīng)改進(jìn);最后將其應(yīng)用于電力負(fù)荷建模與預(yù)測(cè),并通過仿真對(duì)比實(shí)驗(yàn)測(cè)試其性能。實(shí)驗(yàn)結(jié)果表明,ipso-lssvm可以獲得較高準(zhǔn)確度的電力負(fù)荷預(yù)測(cè)結(jié)果,大幅度減少了訓(xùn)練時(shí)間,滿足電力負(fù)荷在線預(yù)測(cè)要求。

根據(jù)沉降數(shù)據(jù)的特性,以最小二乘支持向量機(jī)為核心技術(shù)構(gòu)建預(yù)測(cè)模型,提出了一種路基沉降預(yù)測(cè)的新方法。由于測(cè)量誤差不可避免,沉降數(shù)據(jù)通常含有噪聲,不宜直接進(jìn)行擬合,因此首先采用小波分析的方法對(duì)原始沉降數(shù)據(jù)進(jìn)行降噪預(yù)處理,然后饋送到最小二乘支持向量機(jī)完成沉降預(yù)測(cè)。最后用某高速公路實(shí)測(cè)數(shù)據(jù)進(jìn)行了實(shí)例分析,并與bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果進(jìn)行了對(duì)比,計(jì)算結(jié)果表明,小波分析結(jié)合支持向量機(jī)的模型有較好的預(yù)測(cè)精度,將該模型應(yīng)用于公路軟基沉降預(yù)測(cè)是可行的和值得研究的。

針對(duì)工程造價(jià)變化的時(shí)變性、混沌性,提出一種混沌理論和最小二乘支持向量機(jī)的工程造價(jià)預(yù)測(cè)模型.首先收集工程造價(jià)歷史樣本并進(jìn)行相應(yīng)的預(yù)處理,然后根據(jù)混沌理論確定最優(yōu)延遲時(shí)間和嵌入維數(shù),重建工程造價(jià)的訓(xùn)練集和測(cè)試集,最后用最小二乘支持向量機(jī)建立工程造價(jià)預(yù)測(cè)模型,并采用具體建筑工程造價(jià)數(shù)據(jù)進(jìn)行仿真測(cè)試.結(jié)果表明,相對(duì)其他工程造價(jià)預(yù)測(cè)模型,該模型可以很好地反映工程造價(jià)的變化趨勢(shì),提高工程造價(jià)的預(yù)測(cè)準(zhǔn)確性.

基于最小二乘支持向量機(jī)回歸的單樁豎向極限承載力預(yù)測(cè)——基于單樁載荷試驗(yàn)數(shù)據(jù)，采用最小二乘支持向量機(jī)(lssvm)回歸的方法，建立了單樁豎向極限承載力的預(yù)測(cè)模型．利用文獻(xiàn)中樁的載荷試驗(yàn)數(shù)據(jù)來(lái)訓(xùn)練lssvm模型，并確定了模型參數(shù)．研究結(jié)果表明，同常用的bp網(wǎng)絡(luò)...

為提高水庫(kù)來(lái)水量的預(yù)測(cè)精度,提出了一種基于最小二乘支持向量機(jī)(ls-svm)的來(lái)水量預(yù)測(cè)模型。實(shí)例應(yīng)用結(jié)果表明,該模型預(yù)測(cè)能力強(qiáng)、預(yù)測(cè)精度高,其預(yù)測(cè)精度明顯高于bp模型,為來(lái)水量預(yù)測(cè)提供了一種可靠、有效的方法。

介紹了對(duì)化工四回收鼓風(fēng)機(jī)齒輪箱監(jiān)測(cè)數(shù)據(jù)進(jìn)行時(shí)域波形、頻譜、peakvue分析,并診斷齒輪箱存在隱患,停機(jī)解體檢查發(fā)現(xiàn)輪齒已嚴(yán)重疲勞磨損,高速軸靠近齒頂有1/3的齒面損傷,齒輪箱底部有大量剝落的碎屑;證明了振動(dòng)監(jiān)測(cè)分析和診斷是行之有效的設(shè)備點(diǎn)檢手段,為檢修決策提供了可靠依據(jù).

隧道圍巖變形預(yù)測(cè)的最小二乘支持向量機(jī)方法——為及時(shí)掌握圍巖變形趨勢(shì)并采取措施加以控制，在嶺南高速雪家莊隧道施工過程中，采用一種新的時(shí)間序列預(yù)測(cè)模型--最小二乘支持向量機(jī)(ls-svm)。介紹了ls．svm的基本原理和該預(yù)測(cè)模型的具體操作步驟，實(shí)踐表明，該方...

基于最小二乘支持向量機(jī)的砂土液化預(yù)測(cè)方法——使用最小二乘支持向量機(jī)分類方法建立了兩個(gè)砂土液化預(yù)測(cè)模型，預(yù)測(cè)結(jié)果與野外實(shí)際情況全部相符，表明該分類方法用于預(yù)測(cè)砂土液化是可行的，且預(yù)測(cè)準(zhǔn)確率高。

針對(duì)神經(jīng)網(wǎng)絡(luò)存在結(jié)構(gòu)較難確定,訓(xùn)練易陷入局部最小等問題,提出將最小二乘支持向量機(jī)和相似搜索用于預(yù)測(cè)出清電價(jià)。該方法對(duì)相似搜索得到的相似負(fù)荷日的數(shù)據(jù)用最小二乘支持向量機(jī)建立預(yù)測(cè)模型,采用美國(guó)newenglandiso的真實(shí)數(shù)據(jù)做驗(yàn)證,結(jié)果表明該方法比bp神經(jīng)網(wǎng)絡(luò)有更高的預(yù)測(cè)精度,是一種有效的預(yù)測(cè)方法。

采用eof時(shí)空分解、小波頻率分解和最小二乘支持向量機(jī)(ls-svm)交叉互補(bǔ)方法,建立夏季500hpa位勢(shì)高度場(chǎng)的預(yù)測(cè)模型,用以描繪和表述副熱帶高壓形勢(shì)場(chǎng)的形態(tài)和變化。首先用經(jīng)驗(yàn)正交函數(shù)分解(eof)方法將ncep/ncar再分析資料500hpa位勢(shì)高度場(chǎng)序列分解為彼此正交的特征向量及其對(duì)應(yīng)時(shí)間系數(shù),隨后提取前15個(gè)主要特征向量的時(shí)間系數(shù)(方差貢獻(xiàn)96.2%),采用小波分解方法將其分解為相對(duì)簡(jiǎn)單的帶通信號(hào),再利用ls-svm方法建立各分量信號(hào)的預(yù)測(cè)模型,最后通過小波時(shí)頻分量重構(gòu)和eof時(shí)空重構(gòu),得到500hpa位勢(shì)高度場(chǎng)的預(yù)測(cè)結(jié)果以及副熱帶高壓形勢(shì)場(chǎng)的預(yù)測(cè)。通過對(duì)預(yù)測(cè)模型的試驗(yàn)情況和分析對(duì)比,結(jié)果表明:基于上述思想提出的算法模型能較為準(zhǔn)確地描述500hpa位勢(shì)高度場(chǎng)的形態(tài)分布并預(yù)測(cè)1～7d的副熱帶高壓活動(dòng),對(duì)10～15d的副熱帶高壓活動(dòng)預(yù)測(cè)結(jié)果也有參考意義。

基于最小二乘支持向量機(jī)的砂土液化預(yù)測(cè)方法——使用最小二乘支持向量機(jī)分類方法建立了兩個(gè)砂土液化預(yù)測(cè)模型，預(yù)測(cè)結(jié)果與野外實(shí)際情況全部相符，表明該分類方法用于預(yù)測(cè)砂土液化是可行的，且預(yù)測(cè)準(zhǔn)確率高。

電解溫度、氧化鋁濃度和極距是鋁電解槽中十分重要卻又難以在線測(cè)量的3個(gè)參數(shù).針對(duì)這個(gè)問題,提出一種基于最小二乘支持向量機(jī)和粒子群優(yōu)化的新方法,建立這3個(gè)參數(shù)的軟測(cè)量模型.該方法考慮最小二乘支持向量機(jī)的算法參數(shù)的選取問題,先定義預(yù)測(cè)誤差的平方和的算術(shù)平均作為適應(yīng)度函數(shù),然后采用粒子群優(yōu)化技術(shù)在可行域內(nèi)不斷迭代搜索,使適應(yīng)值不斷減小,最終得到最優(yōu)的算法參數(shù),以及對(duì)應(yīng)的模型參數(shù).仿真結(jié)果表明:本文方法具有比神經(jīng)網(wǎng)絡(luò)方法更小的絕對(duì)誤差和相對(duì)誤差,證明了本文方法的有效性和優(yōu)越性.

基于我國(guó)城市防洪體系安全評(píng)價(jià)的指標(biāo)體系及其等級(jí)標(biāo)準(zhǔn),提出了一種基于小樣本的最小二乘支持向量機(jī)(ls-svm)的城市防洪體系安全綜合評(píng)價(jià)模型。在柳州市防洪體系的實(shí)例應(yīng)用結(jié)果表明,該模型能較好地對(duì)城市防洪體系進(jìn)行綜合評(píng)價(jià),評(píng)價(jià)結(jié)果符合客觀實(shí)際。

故障樣本的缺乏嚴(yán)重制約智能故障診斷的發(fā)展,本文提出支持向量機(jī)應(yīng)用到發(fā)動(dòng)機(jī)故障診斷中,該方法專門針對(duì)小樣本集合設(shè)計(jì),能夠在小樣本情況下獲得較大的推廣,而且模型簡(jiǎn)單,具體是將汽車在典型故障下尾氣中各氣體的體積分?jǐn)?shù)作為訓(xùn)練樣本。用處理過的樣本和最優(yōu)參數(shù)建立基于支持向量機(jī)的多元分類器模型,進(jìn)行故障類別診斷。經(jīng)過libsvm工具箱進(jìn)行仿真,結(jié)果表明經(jīng)優(yōu)化后的支持向量機(jī)對(duì)于小樣本故障診斷有很高的準(zhǔn)確率。