一种基于PSO-SVR的软件可靠性评估方法

软件可靠性建模时,如果简单地利用支持向量回归机制建模,就有可能由于支持向量回归(SVR)自身参数选择难以及实验数据本身的不确定性,从而导致预测结果不理想、精度低等缺陷。因此,借鉴粒子群优化算法(PSO)多参数寻优的优势,将PSO与SVR优化算法相结合,利用分层聚类算法对初始实验数据进行归一化处理,剔除异常数据,构建基于PSO-SVR的软件可靠性评估方法,从而提高软件模型的预测精度。实验结果表明,基于PSO-SVR方法的预测模型其预测精度高,更适应实际软件应用环境。     

煤自燃预测的支持向量回归方法

煤自燃温度的准确预测是矿井煤自燃防控的关键。为了科学准确地预测采空区煤自燃温度,在大佛寺煤矿40106综放工作面开展现场观测实验,以现场束管监测系统数据为基础,采用粒子群优化算法(PSO)优化支持向量回归(SVR)参数,建立了煤自燃温度预测的PSO-SVR模型;同时,在保证训练和测试样本不变的前提下,建立了标准SVR模型、BP神经网络(BPNN)模型和多元线性回归(MLR)模型,并与PSO-SVR模型预测结果进行对比分析。MLR,BPNN,SVR和PSO-SVR模型训练样本预测结果的平均绝对百分比误差(MAPE)分别为:5.75%,0.84%,4.16%和1.13%,测试样本预测结果的MAPE分别为:5.17%,3.03%,3.83%和1.34%.结果表明:MLR模型预测结果最差,说明煤自燃温度与气体指标之间的非线性关系更显著,线性模型不宜于煤自燃预测;BPNN模型训练样本预测效果极佳,但测试样本预测效果较差,易出现"过拟合"现象,泛化性较差;PSO-SVR模型预测精度较标准SVR模型有了极大提高,更适宜于煤自燃预测。     

基于灰关联神经网络的电力工程造价估算

为准确地估算和审查电力线路的工程造价,提出一种基于灰关联分析和神经网络相结合的造价估算方法。利用灰关联分析法筛选出影响工程造价的10个主要工程特征参数,以此作为神经网络输入向量,构建GRA(grey relational analysis)-ANN(artificial neural networks)造价估算模型;以某市110 kV电力线路改造的工程造价资料为实验对象进行算法验证,结果显示静态投资的相对误差最大为3.72%,最小为1.85%,估算精度高;分别采用LM-BP算法和传统BP算法训练GRA-ANN网络,结果显示LM-BP法的误差下降速度更快,整体误差更低。     

基于PSO-SVR模型的短期天然气负荷预测

针对天然气负荷影响因素选择困难,冗余因素会影响负荷预测的精度和速度,使用特征选择Relief算法对影响负荷值的因素进行筛选,去掉冗余影响因素,为准确地预测天然气负荷提供一定的数据基础;在进行负荷预测时,单一的支持向量回归(support vector regression, SVR)会陷入重要参数难以选取最优的情况,为了解决这一问题,提出一种基于特征选择上的粒子群算法(particle swarm optimization, PSO)优化SVR重要参数的组合模型PSO-SVR。所提出的算法首先使用特征选择选取影响因素,为负荷预测提供主要的数据支持;然后,设置SVR的3个关键参数的初始值,进行迭代得到最优的关键参数值;最后,将影响因素和负荷值输入PSO-SVR模型进行训练并预测。使用榆济管线的负荷数据进行预测并对比。结果表明：提出的算法比其他单一模型的预测精度高,能为天然气负荷预测的研究提供参考,为天然气公司购气量提供依据。     

基于运行状态信息的数控珩磨机液压系统可靠性预测方法

针对常规的可靠性预测方法无法实现对数控珩磨机液压系统可靠性进行有效预测的缺点,提出了一种基于运行状态信息及支持向量回归(SVR)的数控珩磨机液压系统可靠性预测方法.该方法主要包括状态特征指标的选取、瞬时可靠度的计算以及SVR预测模型的建立.为实现对SVR预测模型的有效解算,分别采用遗传算法(GA)、粒子群算法(PSO)和混合算法实现对SVR模型的核参数的寻优计算,并比较了3种方法下SVR模型的瞬时可靠度预测精度.实例仿真结果表明,与GA及混合算法相比,采用PSO算法来解算SVR预测模型能够得到更优的数控珩磨机液压系统的可靠性预测精度.     

网络搜索数据和GWO-SVR模型的旅游短期客流量预测

利用皮尔森相关系数法处理网络搜索数据,用灰狼算法（grey wolf optimizer,GWO）优化支持向量回归（support vector regression,SVR）中的参数,提出并实现一种基于网络搜索数据和GWO-SVR模型的旅游短期客流量预测模型,并用参数优化后的SVR对客流量进行建模预测. 以四川省九寨沟和四姑娘山两个景区为例,构建GWO-SVR、ARIMA、BPNN、SVR、CS-SVR、PSO-SVR和无网络搜索数据等客流量预测模型进行实证分析. 结果表明,GWO-SVR模型均优于其他模型,具有更高的预测精度.     

基于人工蜂群优化支持向量机回归的隧道塌方风险预测

为预测隧道塌方风险等级,减少隧道塌方引起的灾害事故,建立基于人工蜂群(artificial bee colony, ABC)优化支持向量机回归(support vector machine regression, SVR)隧道塌方风险预测模型。首先,从工程地质、水文气象、设计因素、施工因素4个方面综合考虑,遴选13个主要影响因素,建立隧道塌方风险指标体系;其次,引入人工蜂群算法优化SVR的核参数C和惩罚参数g,解决传统SVR稳定性低的缺陷,提高模型的精确度,为验证模型性能采用相关系数(R²)、均方误差(mean squared error, MSE)、均方根误差(root mean squared error, RMSE)评价参数对比分析;最后,以新疆北部某供水工程为研究对象,对隧道塌方风险测试样本进行预测,分别将ABC-SVR、PSO-SVR、GA-SVR及SVR模型对比分析。研究结果表明：ABC-SVR预测结果为100%,PSO-SVR预测结果为83.3%,GA-SVR和SVR均为66.67%,ABC-SVR的预测结果与实际工程结果一致性更高,可为隧道塌方风险...     

基于粒子群优化-支持向量回归的高速公路短时交通流预测

为实现高速公路短时非线性交通流的精准预测,依托高速公路运营积累的大量数据资源,构建了基于粒子群优化(par-ticle swarm optimization,PSO)的支持向量回归(support vector regression,SVR)预测模型.首先,对获取的高速公路交通流数据进行异常值剔除、缺失值填充以及归一化等预处理;其次,基于SVR算法采用滑动窗口的方式建立预测模型,并基于具有较强寻优能力的PSO优化算法获取SVR模型的最优参数组合;最后,通过京台高速济南西收费站断面交通流数据进行实例验证.模型的预测结果表明,所提出的高速公路短时交通流预测模型能够满足实际需求,且相较反向传播(back propagation,BP)、差分整合移动平均自回归模型(autoregressive integrated moving average model,ARIMA)模型具有较高的准确性,可为日后高速公路运营决策提供理论支持.     

基于粒子群优化的SVR风电功率超短期预测

建立了风电功率预测系统并提高其预测精度和预测速度.分析影响风机出力的主要因素并结合风电场实测风速数据和环境参数,提出了一种基于粒子群优化的SVR风电功率超短期预测模型,该模型可以有效地优化支持向量回归机(SVR)的主要参数.通过与遗传算法优化的预测模型(GA-SVR)进行比较,发现该预测模型在超短期风电功率预测上有较高的预测精度和运算速度.     

木材导热系数的支持向量回归预测

根据木材在不同影响因素(密度、含水率和比重)下沿横纹方向(包括径向和弦向)的导热系数的实测数据集,应用基于粒子群算法(PSO)寻优的支持向量回归(SVR)方法,建立了木材沿不同方向的导热系数的预测模型,并与通过类比法(ANA)导出的理论模型和BP神经网络(BPNN)模型进行了比较。结果表明:基于相同的训练样本和检验样本,木材导热系数的SVR模型比其ANA模型或BPNN模型具有更高的预测精度;增加训练样本数有助于提高SVR预测模型的泛化能力;基于留一交叉验证法(LOOCV)的SVR模型预测的最大绝对百分误差(MPE)、平均绝对误差(MAE)和平均绝对百分误差(MAPE)均为最小。因此,SVR是一种预测木材导热系数的有效方法。     

基于FCM和CBR-GRA双重检索的应急救援物质需求预测

运用多项数据分析及推理技术提高物资需求预测速度及可靠性.首先利用历史案例信息求救援案例指标权重;之后建立模糊聚类(FCM)及案例检索相结合的算法,案例检索采用CBR-GRA双重检索技术,在得到相似度向量与灰色关联度向量之后,再次应用灰色关联分析求取案例相似-关联度向量,从而保证可靠案例检索;最后建立救援物质需求模型.经实例验证可知:案例聚类实现数据初步筛选,提升了检索速度,2种检索方法融合,提升了检索可靠性.     

基于灰色关联分析的专家群体判断一致性分析

基于灰色关联分析方法,检验由群决策构造的互反判断矩阵一致性.采用专家的平均判断矩阵作为群体互反判断矩阵.通过计算各个专家构造的互反判断矩阵与群互反判断矩阵之间的关联度大小来判别是否满足预设的专家群体互反判断一致性指标（QR）的要求.并且针对群决策不一致性提出了调整方法.最后,将灰色关联分析方法与指标相容性不一致性判别方法进行对比分析.结果证明灰色关联分析方法对偏离较大的判断矩阵具有更敏感的识别,而且调整后的判断矩阵能够满足一致性的要求.     

中国粮食多因子灰色关联神经网络预测研究

针对BP神经网络多变量输入难以确定的缺点，提出了采用灰色关联分析法确定主要影响因子输入的多因子灰色关联分析神经网络预测模型，并给出了灰色关联神经网络BP预测模型的建立方法，对我国粮食生产影响因子多因子预测实证研究结果表明，用该网络建立的模型经过训练后，可得到影响粮食产出的主要影响因子及其之间的非线性关系，网络模型新颖，具有较好的预测精度及较好的预测效果，可广泛应用于各种预测研究，有较高的推广价值。     

基于博弈论组合赋权和改进优劣解距离法的输变电工程建设时序规划

针对输变电工程建设时序有待优化的问题,对输变电工程建设优先级评价方法进行了研究。首先,从必要性、经济性、效率性、环保性等4个维度出发,构建输变电工程建设优先级评价指标体系;然后,基于博弈论的思想将分别通过序关系分析法和指标相关性权重确定法求得的主客观权重进行结合,引入灰色关联分析法对基于组合赋权的优劣解距离法进行改进,构建输变电工程建设优先级评价模型;最后,对某省电网规划项目库中4个拟建220kV输变电工程进行建设优先级评价并展开建设时序规划。结果表明：所提出的评价方法适用性较强,能够有效辅助电网基建规划。     

基于灰色马尔可夫模型的施工质量成本预测

针对随机波动较大的施工质量成本预测问题,结合灰色SCGM(1,1)预测模型和马尔可夫预测模型的优点,建立了灰色马尔可夫SCGM(1,1)预测模型,并以实例证明灰色马尔可夫预测模型对随机波动性较大的施工质量成本的数据列的预测,具有较高的准确性.     

岩锚梁稳定性的灰色关联分析

为了分析岩锚梁的稳定性，基于灰色系统理论，利用灰色关联分析方法，对影响岩锚梁稳定性的因素进行了关联度计算，得出了各因素对稳定性的影响程度及各因素间的相关程度；指出了混凝土浇筑时引起的温度变化是影响岩锚梁稳定性的关键因素，提出在施工过程中应采取相应的养护措施。为岩锚梁的施工及投入运行提供了可靠的理论依据。     

基于灰色关联和加权TOPSIS法的采矿方法优选

 为建立采矿方案综合评判指标体系,在综合层次分析法(AHP)、灰色关联分析法(GRA)和加权TOPSIS法基本原理的基础上,构建加权TOPSIS-灰色关联综合评判模型,对多种采矿方案进行综合评判优选。优选过程中,从经济、技术、安全3大类因素综合考虑影响采矿方法的评判指标,通过层次分析法获得各评判指标的权重向量,利用灰色关联系数改进加权TOPSIS法,建立加权TOPSIS-灰色关联综合评判模型,并运用TOPSIS法原理计算出各方案基于评判指标的综合优越度。以石人沟铁矿露天转地下采矿方案优选为例,得出4种拟选采矿方案的综合优越度分别为47.9%、62.5%、63.9%、59.9%,确定第3种采矿方案最优。经矿山实践验证了该评判模型的可行性和有效性。     

基于AHP与GRAY的综合评判之公路工程施工方案评价

层次分析法是一种系统化、层次化分析问题的多目标决策方法,而灰色关联分析方法是从信息的非完备性出发研究和处理复杂系统的理论。本文使用基于层次分析法和灰色关联度分析的灰色综合评判法,参考某公路工程施工方案评价体系,先用层次分析法确定影响施工方案合理性的五个因素的权重,然后利用灰色理论对所选取的五项指标进行了关联度分析,从而通过这两种评价方法相结合运用而进行的综合评判选出最合理的施工方案。     

安徽省高新技术人才需求的灰预测及灰色关联度研究

文章首先应用灰色等维递补动态模型对安徽省高新技术人才未来几年的需求量进行了预测;然后对各类高新技术人才与安徽省GDP的关联度进行了分析;最后根据预测结果和灰色关联分析,提出了对安徽省高新技术人才优化的思想,并证明了以上分析基本符合安徽省高新技术人才的实际情况。     

基于熵权法和灰色关联度分析的轴承故障诊断

文章以滚动轴承时域振动信号和频域振动信号中的无量纲特征参数作为故障诊断中的评价指标;在传统的灰色关联度基础上,引入熵值理论,将熵权法与灰色关联度分析方法相结合,建立基于熵权法的灰色关联度分析模型,并将其应用到轴承的故障诊断中;最后通过故障诊断实例验证了该方法可以有效地实现轴承故障状态的诊断,通过熵权赋值取得了理想的灰色...