基于支持向量机的啤酒企业能源消耗预测模型

为提高啤酒企业包装车间生产耗电的预测精度, 提出了一种基于支持向量机和粒子群优化算法的预测模型构建方法。该方法将radial basis function函数作为支持向量机的核函数构建预测模型, 使用K-fold交叉验证方法, 利用粒子群算法(PSO: Particle Swarm Optimization)对惩罚参数c和g值寻优。以28天的生产耗水和生产耗电数据作为训练集, 以10天的生产耗水数据作为预测集, 分别构建基于radial basis function函数与polynomial函数的生产耗电支持向量机预测模型对生产耗电数据进行预测。实验结果表明, 以radial basis function函数作为核函数与以polynomial函数作为核函数相比, 该支持向量机预测模型对生产耗电的预测精度提高了51.495%,该方法具有一定的实用性。     

基于改进广义极值分布的核管道最大腐蚀深度预测

针对核管道腐蚀的环境复杂性和过程随机性问题以及极值分布模型选择不当所引起的拟合误差问题,采用广义极值分布模型预测核管道腐蚀深度的发展规律,并提出基于免疫遗传算法参数优化的核管道最大腐蚀深度预测及评估方法:对核管道取样管段上腐蚀深度进行统计分析,计算相应的累计概率;利用免疫遗传算法优化广义极值分布函数的统计参数,得到核管道最大腐蚀深度的概率分布函数;由小样本腐蚀深度预测整条管道的最大腐蚀深度ydi,并评估超过最大腐蚀深度ydi的概率.利用不同核管道腐蚀深度进行计算机预测仿真.研究结果表明:改进后的广义极值分布模型不会受限于样本极值数据的具体分布,具有较好的通用性,且模型参数寻优过程收敛速度快,拟合效果较理想.     

鱼群算法优化组合核函数GPR的油井动液面预测

针对抽油井动液面(DFL)检测主要依靠人工操作回声仪测试,无法实时在线检测,而单一核函数的高斯过程回归(GPR)无法明显提高预测精度和泛化能力,提出了一种人工鱼群算法(AFSA)优化组合核函数的动态高斯过程回归动液面预测模型.采用多项式函数、线性函数与径向基函数组合构建核函数,利用人工鱼群算法对核函数模型参数进行寻优,采用快速傅里叶变换(FFT)和核主元分析(KPCA)融合提取时频数据非线性特征作为模型输入,提高模型的预测精度和泛化能力.油田现场应用验证了该方法的有效性.     

参数优化支持向量机的人参价格预测模型

为了对人参价格进行预测,分析了影响人参价格因素,通过K-fold交叉验证方法,利用粒子群算法对支持向量机的惩罚参数c和g_gamma值进行寻优,建立起2010年1月~2011
年12月林下参的价格预测模型。利用粒子群算法优化惩罚参数c为3.6974,利用radial basis function核函数的SVM（Support Vector Machine）对预测集1的预测相关系数为97.316%。     

基于Hermite组合核EMD-WT-LSSVM的非平稳非高斯风压预测

运用经验模态分解(EMD)将某大跨度膜结构测点非平稳风压分解为一系列相对平稳的固有模态函数和一个剩余分量.为消除实测风压中噪声对固有模态函数的影响,使用小波变换对每个固有模态函数进行去噪,将去噪后的固有模态函数及剩余分量作为样本输入.分别将径向基核函数、Hermite核函数及Hermite组合核与最小二乘支持向量机结合(LSSVM),运用粒子群算法(PSO)对3种算法的正则化参数及核参数进行智能寻优,建立基于径向基核函数、Hermite核函数及Hermite组合核的PSO-LSSVM风压预测算法,并基于超高层建筑实测风压验证了组合模型的鲁棒性.单点预测结果表明,基于Hermite组合核的PSO-LSSVM的预测算法较其余两种算法具有更高预测精度及泛化能力;空间点预测结果进一步证明了该方法对于非平稳非高斯风压预测的有效性.     

基于多核支持向量机的句子分类算法

主流句子分类算法采用单一词向量表示模型获得文本表示,导致了对文本的映射能力不足.对此,通过融合多种词向量的文本表示以提高分类的准确率.针对多核学习在融合不同核函数时,常规的核函数系数寻优方法存在的训练时间长、难以求得局部最优解等问题,提出了一种新的核函数系数寻优方法,该方法基于参数空间分割与广度优先搜索不断逼近核系数的最优值.以支持向量机(support vector machine,SVM)为分类器,在7个文本数据集上进行了分类实验.实验结果表明,多核学习分类效果明显优于单核学习,并且所提出的寻优方法在训练次数少于常规方法时也能获得了好的分类效果.     

基于遗传算法的SVM-AR改进模型与应用

为提升河流流量的预测精度,将支持向量机与AR进行耦合,并构造三核混合核函数的流量预测支持向量机模型。以渭河流域的月径流量为例,首先,通过时间序列分析,将渭河流域的径流序列划分为趋势序列、季节序列和随机波动序列,然后利用AR模型构造适用于支持向量机算法的数据集,并将数据集按4∶1划分为训练集和检验集;其次,利用线性组合构造由多项式核函数、径向基核函数与Sigmoid核函数构成的三核混合核函数,在训练集上,采用遗传算法确定相关参数,随后在检验集上进行预测。结果表明:遗传算法确定参数会带来较大的不确定性,导致结果差异较大,从而着重讨论遗传算法带来的参数不确定性;通过函数构造与统计分析,给出三核混合核函数参数选择的一般性方法与流程,并进行验证,该参数选取方法能够降低遗传算法的不确定性,得到精度较高的流量预测结果,预测流量与实际流量的均方误差从150左右降低到130左右。     

基于改进机器学习算法的微电网短期负荷预测

为了对具有基数小、波动大及随机性强等特点的微电网负荷进行准确预测,提出了一种基于改进的机器学习算法。该算法包括基于蚁群算法的模型参数寻优和基于改进核函数极限学习机的预测模型2部分。首先,对蚁群算法信息素的作用方式进行了改进,并将训练误差用于计算蚁群个体的新增信息素,从而得到最优的模型参数。其次,采用基于加权离散距离的方法对训练数据进行筛选,留下相似度高的训练样本对核函数输出权重进行训练,从而减少计算量,提高预测精度。用某小区高层楼宇的电网历史负荷数据,在Matlab中对算法进行仿真验证,结果表明预测算法能较好地实现微电网的负荷预测。     

基于SVM短时交通流量预测

交通流量预测是智能交通系统中非常重要的研究领域,传统的预测方法在交通流量预测中有着非常广泛的应用.但是,在短时交通流量预测中,由于其影响因素错综复杂,传统的预测方法对于短时交通流量不能很好地进行预测.随着机器学习和数据挖掘各种理论的不断提出及完善,机器学习和数据挖掘与交通流量预测的结合是智能交通系统未来发展的一个重要方向.本文利用SVM (support vector machine)构建了短时交通流量预测模型,并利用遗传算法(genetic algorithm)对SVM的惩罚参数C和核参数σ进行优化,同时比较SVM中不同核函数,包括多项式核函数(polynomial kernel)和径向基核函数(RBF kernel)的预测效果.径向基SVM (RBF SVM)训练时间要比多项式SVM (polynomial SVM)短,预测准确率和精度也要比多项式SVM要好.从仿真结果上看,SVM非常适合应用于短时交通流量预测,能够取得很好的预测效果与精度.     

基于优化SVR模型的大跨度样本疲劳寿命预测

针对传统方法在大跨度、小样本情况下的疲劳寿命预测准确率不高的问题,研究基于优化SVR模型的寿命预测方法.根据大跨度样本的特点,提出有效的预处理方法、SVR模型的训练方法及参数优化准则.以LY12CZ(2A12)铝合金疲劳寿命预测为实例,分析了高斯核函数、多项式核函数及多层感知核函数对SVR模型训练误差的影响.结果表明高斯核函数更适用于SVR模型的训练,并通过细菌觅食算法对核参数γ及惩罚因子C进行优化选取,LY12CZ(2A12)铝合金疲劳寿命预测结果验证了该方法的有效性.     

培训管理办公系统软件流程分析

交通部西部地区管理干部培训一直以来都是按照传统的培训模式展开培训工作，本文主要提出对该培训模式软件基本流程的设计思路，并形成流程图。     

土建类工程人才培养模式建设实践

中国已经成为华盛顿协议组织成员,为我国的高等工程教育提出了更高的要求。文中结合大连海洋大学工程人才培养模式改革试点专业的建设实践,分析了华盛顿协议影响下我国高等工程教育存在的问题,提出了土建类工程人才培养模式创新改革的思路,构建了与之相适应的课程体系和基于工程实践的创新教学体系,并在专业建设基础上提出了土建类工程人才培养模式改革创新的措施。     

应用型本科人才培养模式的创新与实践

介绍了信息学院在应用型本科人才培养模式上的教育理念,注重学生素质的提高和工程实践能力、创新能力的培养,以专业核心课程为基础,建立模块式、系统化的课程体系。进行人才培养模式改革和探索,构建了"厚基础、宽口径、强能力、高素质"的人才培养模式,基于此培养模式,进行实践推广,尤其在实践教学的加强、构建实践培养新体系方面,取得了良好的效果。     

高职高专计算机网络专业人才培养方案的研究与实践

通过对当前高职高专计算机网络技术专业人才培养存在的问题进行剖析,积极探索与高职高专相适应的人才培养模式。结合市场调查分析与客观条件,给出新的人才培养方案。     

基于社会建构主义理论的教师培训模式探讨

通过探讨国内教师培训的现状与模式,借助心理学上的社会建构主义理论,对教师培训进行了分析。提出要达到培训效果、实现在职教师培训的目标,我们应该建立起一种动态发展的培训模式,同时要充分认识到教师培训是由培训者、参训者、培训任务和培训环境四大因素综合作用的结果。     

培训效果评估及其在企业的运用

随着人力资源日益成为企业的第一生产力,其中的培训模块也越来越受到企业的重视.然而,如何对培训效果进行评估一直是企业最难解决的一个问题.柯克帕特里克模型是目前在国际上应用最为广泛的一个培训评估工具,该模型通过对培训对象在反映层、学习层、行为层和结果层的反馈进行培训评估,以确定培训项目运行的有效性.通过柯克帕特里克评估模型在某企业中的实际运用进行相应的探讨和研究后证明,该模型不失为一个较好的培训评估模型,但是在目前中国企业的运用中也具有一定的局限性.只有实现了对培训结果的有效测评,才能真正促使企业重视培训,并增加对培训的投入.     

高校人才培养模式改革的研究与探索

指出人才培养是高等教育的基本职能，分析我国当前高校人才培养模式存在的问题，进一步给出人才培养模式改革的若干建议，如建立多样性招录标准、深化教育教学体系改革、严格实行“宽进严出”模式和积极实施就业创业教育等，最后提出人才培养模式改革必须坚持可持续发展思想。     

基于综合评判模型的企业员工培训效果评估研究

建立了企业员工培训效果评估指标体系,设计了培训效果综合评判模型。该模型先应用AHP—模糊综合评判法对培训即时效果做出评估,再利用统计分析模型对培训进行后评估,最后利用综合评判模型对培训总体效果进行综合评估。     

含随机参数的偏微分方程的自适应高斯过程求解器

对于数值求解含随机参数的偏微分方程的问题,本文基于以高斯过程为核心的求解器提出了一种自适应挑选训练数据的求解模型.该模型从极少的初始训练数据集出发训练高斯过程求解器,将参数池中预测方差指示变量最大的参数及其对应的偏微分方程的高精度解加入训练数据集中,然后重复上述过程,直到所训练出来的高斯过程求解器在测试数据集上达到所要求的精度.此外,本文还将该自适应模型在带有二维随机参数的扩散方程上进行测试,结果表明所提出的自适应选点策略有效,模型的预测准确度随着训练数据的增加而迅速提高,最终只需要40个训练数据即可在测试数据集上达到要求的精度.     

多元建构模式--面向二十一世纪西安市中学数学骨干教师培训模式研究

对有关中学数学骨干教师培训模式的理论进行探讨,应在充分借鉴其他骨干教师培训模式的基础上,提出我们的培训理念,并利用数学的方法为我们的培训建立三维培训坐标系,给出建立一般模式的方法。并运用此方法,尝试创建适合西安市中学数学骨干教师培训的“一心二导三自四结合”的多元建构培训模式。