基于层次分析法和证据理论的矿山井下六大系统安全评价

为了建立合理有效的井下六大系统安全有效性评价模型,首先利用层次分析法构建六大系统多层次评价指标体系,借助标度法建立相应的比较判断矩阵并计算其单排序权重向量和组合权重向量;再利用证据理论建立评价模型,采用专家根据各子系统的完善程度及其在安全生产中发挥的作用大小进行打分,并作为证据源,结合组合权重向量得到各子系统基本信度分配函数,运用证据理论中传统证据合成规则融合各条证据,根据融合的基本信度分配函数对各子系统的安全有效性进行分级,最终得出六大系统的安全有效性级别。研究结果表明:应用该模型在某铜矿进行六大系统安全有效性评价,综合评价结果为优,与该矿山的实际情况相符,具有一定的指导意义。     

基于UGM-ULSSVM的导弹制导控制系统状态预测方法

针对基于特征参数的导弹制导控制系统状态预测存在的状态数据不等间隔、小样本的问题,并考虑各性能特征参数间的相互影响、相互关联的关系,提出了一种基于非等间距灰色联合最小二乘支持向量机(UGM-ULSSVM)的退化状态预测方法.在UGM-ULSSVM模型的训练阶段,根据特征参数序列建立其非等间距灰色预测模型(UGM(1,1)),将UGM(1,1)的拟合值作为输入,原始数据序列作为输出,分别训练得到时间型最小二乘支持向量机(TLSSVM)与空间型最小二乘支持向量机(SLSSVM);在模型的预测阶段,由建立的UGM(1,1)模型和通过证据理论融合TLSSVM和SLSSVM建立的ULSSVM模型组合得到UGM-ULSSVM状态预测模型.以导弹制导控制系统为例,实现了关键参数预测,结果验证了方法的合理性与有效性.     

基于证据理论和支持向量机的风机故障智能诊断

为了提高风机故障的诊断精度, 提出一种证据理论和支持向量机相融合的风机故障识别方法. 首先从振动信号中提取Wigner-Ville谱熵作为风机故障诊断特征; 然后采用不同核函数支持向量机进行训练, 建立风机故障诊断的子分类器; 最后采用DS证据理论对子分类器的输出结果进行融合, 并对其性能进行仿真测试. 实验结果表明, 该方法可以充分利用全部故障信息, 诊断结果更接近期望值, 诊断效果优于其他风机故障诊断方法.     

改进的M-ary支持向量机模型及其在变压器故障诊断中的应用

使用M-ary支持向量机进行基于油中溶解气体分析的变压器故障诊断研究.分析结果表明,M-ary支持向量机算法简单,与一对一支持向量机的诊断精度可以比拟.在此基础上,还对常用的M-ary支持向量机模型进行了改进,将各二类分类器的输出计算值直接使用另一支持向量机进行组合,可以更好地反映各分类器之间的非线性关系,从而使新模型具有更高的分类精度.变压器的应用实例证明了改进方法的有效性和优越性.     

基于主客观证据融合的高炉悬料预测方法

针对高炉关键异常炉况悬料难以预测的问题,基于D-S证据理论,提出一种综合模糊专家推理和后验概率最小二乘支持向量机的悬料预测方法.首先,结合高炉生产过程和悬料现象,分析悬料形成的内在机理;其次,通过模糊专家推理提取基于专家规则的主观证据,再通过建立后验概率最小二乘支持向量机模型提取基于数据内在客观规律的客观证据;最后,基于D-S证据理论完成主客观证据融合,实现悬料预测.该方法充分利用专家经验和最小二乘支持向量机的自学习能力,能够提高预测精度.仿真结果表明本文提出的方法有效、准确.     

基于支持向量机的三峡工程丰都县水库库岸稳定性评价

为了评价三峡库区丰都县库岸稳定性问题,采用支持向量机方法,对库岸稳定性进行非线性研究。结果表明:支持向量机经过对整个输入模型进行训练学习检验,然后进行知识发现数据挖掘,找到一个能够把握全局的非线性评价模型。支持向量机评价结果与传统的公式法计算结果基本一致,和地质调查的情况基本相符,而且支持向量机评价结果精度更高。支持向量机较为理想的反映输入因素和输出结果之间复杂的映射关系。其评价结果,具有较好的科学性和实用性。     

基于云D-S证据理论的山区高速公路路段风险评判

为保障山区高速公路运营期间的行车安全,提出基于云模型和Dempster-Shafer (D-S)证据理论的山区高速公路路段风险性综合评判方法。结合以往研究和标准构建了包括道路线形、路面状况、安全设施、路桥隧情况、交通环境和服务水平6个指标的路段风险性评价体系。在此基础上,将路段风险性划分为5级并提出了指标的风险等级标准。以测点实测数据和专家评价值为依据确定指标特征值,采用云模型构建指标基本信度分配。基于D-S证据理论,利用融合规则将定性与定量指标多次融合,得到路段整体风险等级。将该模型应用到奉溪高速公路K46+800～K47+400标段风险评判中,得到路段整体风险等级隶属度向量为T=(0. 022,0. 947,0. 025,0,0,0),融合不确定度为0. 007。评价结果表明:该评测路段风险性为较低风险;基于云模型与证据理论的综合评判方法具有较好的可行性与适用性,实例评价结果与实际情况基本一致。     

利用证据理论的多分类支持向量数据描述算法

针对原始多分类支持向量数据描述(SVDD)算法及其拓展算法忽略超球体之间的差异，且未能充分利用超球体的输出信息等问题，提出一种利用证据理论的多分类支持向量数据描述(证据SVDD多分类)算法。首先，为每一类样本训练一个超球体，并计算每个超球体的正确率与紧密程度；接着使用上一步得到的正确率与紧密程度计算每个超球体的可靠程度；然后，根据超球体的输出信息与可靠程度计算样本的信度函数，信度函数的生成方式采用三焦元法和基于评价矩阵的方法；最后，根据Dempster组合规则融合上一步得到的信度函数，使用Pignistic法将融合后的信度函数转换为概率做出最终的判决。在两个人工数据集和多个UCI数据集上进行实验，结果表明，证据SVDD多分类算法相较传统算法可以获得更好的分类性能；在多个数据集上的仿真结果表明，证据SVDD多分类算法比传统的SVDD多分类算法有3%的精度提升。     

基于支持向量机的数据融合机动目标跟踪算法

利用支持向量机方法研究GPS和雷达系统对机动目标联合测量中的数据融合问题.使GPS数据经时间配准处理与雷达数据达到时间同步,再经空间配准和坐标系变换后进行卡尔曼滤波,将滤波估计坐标值作为支持向量机的输入,以支持向量机为同步融合中心,输出为目标轨迹的融合估计值.仿真结果表明,这种方案可以达到比融合前数据更贴近真实值的效果.     

基于信息融合的网络安全态势感知模型

在分析已有的安全态势评估和预测方法的基础上,提出了基于信息融合的网络安全态势感知模型.该模型采用D-S证据理论对多源网络安全数据进行融合,计算漏洞、服务、主机、网络的安全态势值.同时根据历史安全态势评估结果,利用支持向量回归理论对未来态势进行预测.相比已有的安全态势评估和预测方法,该模型的结构更加完整,结果更为准确有效.