基于SVM的入库径流混沌时间序列预测模型及应用

针对常用的入库径流混沌预测模型只能做短期预测,且需要大量样本数据的问题,将支持向量机理论与混沌预测理论相耦合,建立基于支持向量机的入库径流混沌时间序列预测模型,该模型利用混沌理论中的相空间重构技术将原始入库径流序列映射到一个高维相空间,以相空间中的相,占为基础构造训练样本和测试样本,然后利用支持向量机理论进行预测。经实例计算,模型比基于最大Lyapunov指数的混沌预测模型、人工神经网络模型和自回归模型拟合效果好,预测精度高,丰富和发展了入库径流预测理论和方法。     

基于航空信息网络的枢纽机场航班延误预测模型

航班延误一直是机场运营管理的一大难题，本研究报告面向区域多机场，重点针对机场集团内枢纽机场的航班延误问题，提出基于航空信息网络的航班延误预测模型NBFDM. 该模型不仅使用了航班自身的相关属性，并且还考虑了航空信息网 络内其他机场的因素对航班延误的影响. NBFDM模型首先提取航班本身的特征和该航班飞行前一段时间内航空信息网络的特征，然后使用PCA进行降维，对降维处理后的特征再使用SVR方法，得到非线性回归模型，用于预测航班的延误时间. 实验表明本研 究报告所提模型NBFDM相比仅使用航班自身属性的模型，对航班延误时间的预测误差降低约20%.     

支持向量机用于性能退化的可靠性评估

为解决性能退化轨迹建模中的小样本训练问题,研究了基于统计学习理论的支持向量机回归原理,提出了基于支持向量机回归模型的产品性能退化轨迹建模、寿命预测及可靠性评估方法.给出两种性能退化轨迹的支持向量机回归模型——单一模型和加权模型.实例分析表明,所提方法有较好的预测精度.加权支持向量机回归模型可在早期实现较高精度的寿命预测,提高性能退化的可靠性评估精度,从而可缩短试验时间,节约经费开支.     

基于SCPN的机场航班进离港流程建模与仿真

通过对航班进离港流程的分析,拟建立一种基于随机着色Petri网的机场航班进离港流程模型,设置其库所和变迁颜色集合得到航班的复合颜色,并赋予变迁不同的随机时间延迟函数,使模型更符合实际运行特点.在此模型基础上,以航班为仿真对象,在ServiceModel平台上实现了浦东国际机场航班进离港流程仿真系统.最后进行了大量的仿真试验,仿真结果较真实地再现了机场的实际运行情况,得出了航班进离港流程中的实际到达时间、跑道小时容量、停机位利用情况等关键指标,对于机场飞行区的规划设计以及其日常运行有重要参考价值.     

自调用支持向量回归优化支持向量机参数

参数选择是支持向量回归分析的关键问题之一,在大训练样本条件下,大范围遍历搜索极为耗时。基于均匀设计和自调用支持向量回归,提出了一种将大样本搜索转化为小样本搜索的策略:在3因素9水平搜索范围,经混合均匀设计产生27个参数组合,每组合对训练集经交叉测试得其均方误差MSE;以MSE为目标函数,对该27个参数组合形成的小样本自调用支持向量回归以留一法进行大范围搜索建模,预测729个完全参数组合;取预测MSE最小的对应参数组合完成大样本的训练、预测。对5个基准数据集的独立预测表明,新方法在保证预测精度的同时,大幅度缩短了训练建模时间,为大样本支持向量机参数选择提供了新的有效解决方案。     

基于C4.5决策树方法的到港航班延误预测问题研究

航班延误一直是机场运营管理的一大难题,建立有效的模型实现较准确的延误预测来协助机场方面采取应对措施,于机场于社会都有重要意义. 本研究提出一个面向机场的到港航班延误预测问题,对比现有的贝叶斯网络及朴素贝叶斯方法,结合航班数据的特点构建了基于C4.5决策树的航班延误预测模型. 针对国内某大型机场的真实数据集,本研究 设计了大量实验,实验结果表明所提模型正确率接近80%,较两种贝叶斯方法有进一步提升. 此外研究还设计实验分析了影响模型效果的因素.     

基于局部搜索机制MOGA的多目标ADGHP建模及优化

依据航班的进离港过程,提出了一种航班优先系数计算策略,使得延误损失在进离港航班之间的分配合理化;在此基础上建立了一种进离港地面等待问题(ADGHP)多目标优化模型,以实现延误损失和续航航班延误时间的多目标优化.针对问题模型的复杂性以及现有多目标遗传算法(MOGA)的不足,提出了一种引入局部搜索机制的多种群遗传算法对问题求解,并改进优秀个体迁移策略,实现多目标的协同优化.最后,以国内某机场进离港航班为算例,使用所提算法进行计算,并与其它典型算法的求解结果对比,实验结果表明了所提模型与算法的有效性.     

一种集成logistic回归与支持向量机的判别分析规则

支持向量机的输出结果可以通过几何分析划分为六个连续的区间,并求得各个区间内训练样本的错误分类频率.本文以二分判别为例,将每个区间上的误分频率与logistic回归对预测样本的输出概率进行比较,提出了一种集成logistic回归与支持向量机的判别分析规则,并采用支持向量机效果验证的基准数据集进行实证分析.实证结果验证了所提出方法的有效性.     

基于加权支持向量回归的在线训练算法及应用

针对时变系统的在线辨识问题,提出了一种加权支持向量回归方法,根据时间信息给予历史数据不同的加权,实现了精确在线训练算法,在保持精度的同时避免了采集到新样本时重复训练,大大加快了训练速度。研究了该算法的复杂度并加以改进。将该方法应用于氯气投加系统过程模型的在线辨识,在训练速度和精度上都较为满意,这一结果说明了该算法的有效性。     

时间序列判别分析技术和指数加权移动平均控制图模型在公司财务危机预警中的应用

经典的财务危机预警模型包括判别分析模型、logistic分析模型、神经网络模型、支持向量机模型、分类数模型等,这些经典模型最重要的缺陷是他们都是静态预测模型,都不能描述财务比率变量的时间序列特点;而且这些模型用来预测财务危机的数据都是单期的,没有考虑历史值对结果的影响.用时间序列判别分析的方法估计财务比率的演变过程;用在质量管理中经典的指数加权移动平均控制图模型构建公司财务危机的动态预测模型.实践表明预测效果良好.     

Novel algorithm for constructing support vector machine regression ensemble

1 .INTRODUCTIONRecently , support vector machine (SVM)[1]is anovel and promising technique in the fields of ma-chine learning and classification or regression pre-diction accompanying artificial neural network.InSVM,several learning algorithms can be obtainedgiven different inner-product functions named ker-nel functions ,such as polynomial approach,Bayes-ian classification、radial basic function method、multilayer perceptron network[2]. By now,it hasbeen successfully applied in many ar…     

基于固定半径包围球的核向量回归算法

为了进一步提高核向量回归算法用于大样本回归问题的训练速度,提出了一种改进的核向量回归算法。该算法利用样本数据在特征空间中的映射点确定包围球半径,并使该半径在迭代过程中保持不变。通过缩小核心数据集,提高了回归算法的训练速度。对几组回归时间序列预测的仿真实验表明,改进的核向量回归算法的训练时间和支持向量的数目均小于核向量回归算法,但二者具有相似的回归精度,从而验证了改进的核向量回归算法的有效性。     

基于LSTM-SVR模型的航空旅客出行指数预测

航空旅客出行的情况对民用航空机场建设与运营具有重大意义，定义了一种航空旅客出行指数，运用机器学习方法对航空旅客出行指数进行预测，克服了单一预测模型精度的不足，提出一种将长短期记忆网络(LSTM)与支持向量回归(SVR)相结合的航空旅客出行指数组合预测模型，并对预测结果集进行聚类分析。以上海机场航空旅客数据为实证，验证了LSTM-SVR组合预测模型可行性与有效性，实验结果显示：LSTM-SVR组合预测模型较传统单一预测模型具有更高的精度；同时，LSTM-SVR组合预测模型与其他组合预测模型相比也有较明显优势。此外，基于K-均值算法对航空旅客出行指数进行聚类分析并给出评级，此举为机场运营管理及旅客出行提供一定的决策支持。     

模糊偏最小二乘支持向量机的应用研究

基于偏最小二乘回归法和模糊隶属度函数,提出了一种模糊偏最小二乘支持向量机.传统最小二乘支持向量机引入模糊加权系数后,可以根据训练样本点的情况调整折衷系数,有效地提高了最小二乘支持向量机的抗噪性能.同时利用偏最小二乘回归法,克服了求解线性回归方程中自变量向量间的多重相关性问题.利用 sinc 函数对该建模方法进行了测试,并进一步对铜转炉吹炼时间的预测问题进行了仿真研究.仿真结果表明,该建模方法具有预测准确、跟踪性能好的优点.     

基于STN的机场航班过站保障时间协同规划建模

资源受限下的机场航班过站保障时间协同规划是提高机场运行效率的有效方法之一。针对机场实际，建立基于简单时间网络(simple temporal network，STN)描述的航班过站保障时间规划模型。采用时间解耦方法、最短路径矩阵简化和求解考虑资源的STN任务模型距离图，得到面向机场考虑资源的航班过站保障时间协同规划方法。仿真和实际数据对比结果表明：考虑资源的STN任务模型起到优化机场航班过站保障时间协同规划，减少航班过站保障时间资源占用的作用，为航班过站保障时间协同规划提供新的研究思路。     

Improved scheme to accelerate sparse least squares support vector regression

The pruning algorithms for sparse least squares support vector regression machine are common methods,and easily comprehensible,but the computational burden in the training phase is heavy due to the retraining in performing the pruning process,which is not favorable for their applications.To this end,an improved scheme is proposed to accelerate sparse least squares support vector regression machine.A major advantage of this new scheme is based on the iterative methodology,which uses the previous training results instead of retraining,and its feasibility is strictly verified theoretically.Finally,experiments on benchmark data sets corroborate a significant saving of the training time with the same number of support vectors and predictive accuracy compared with the original pruning algorithms,and this speedup scheme is also extended to classification problem.     

基于着色时间Petri网的航班保障服务建模方法

航班地面保障过程的定量描述以及保障服务时间的准确估计是提升机场保障服务效率的关键。通过分析航班地面保障服务实际作业流程,提出了一种基于着色时间Petri网的航班地面保障服务定量描述模型。该模型将保障服务分为作业、状态、资源3部分,利用着色时间Petri网基本元素描述保障作业、作业逻辑关系、服务状态及其与保障作业的关系,根据该模型设计了一种基于蒙特卡罗仿真的保障服务时间估算方法。利用国内某大型枢纽机场实际航班保障服务时间数据与本文提出的方法估计保障时间数据估算误差进行分析验证,表明本文提出方法对航班地面保障服务时间估计的可行性和有效性。     

基于加权双质心支持向量聚类的机群编队分组

针对机群编队分组问题,提出了一种加权双质心支持向量聚类算法。所提算法在支持向量训练时引入最大熵原理,快速求解Lagrange乘子;针对样本特征对聚类结果的贡献不同,在聚类标识过程中,引入加权密度质心,提出了加权双质心聚类标识,并在典型数据集上验证了所提算法的有效性。通过对机群编队分组模型的描述,建立了机群聚类时一个目标点需要的特征集,完成了编队分组的仿真实验。仿真结果表明了所提算法能够针对应用的具体样本集实行快速聚类分析,并保证聚类结果的有效性。