基于PSO的支持向量机多元控制图均值偏移诊断模型

为了诊断多元控制图发出的报警信号是由哪一个或者哪些变量组合发生均值偏移引起的,提出了基于粒子群优化（PSO）算法的支持向量机（SVM）多元控制图均值偏移诊断模型．模型中使用丁。控制图对多元过程进行控制,在假设过程方差．协方差矩阵保持不变的前提下,根据不同的均值偏移模式,产生SVM训练数据集和测试数据集,用Ps0对SVM的参数进行优化,最终得到优化的SVM模型．结果表明,基于粒子群优化算法的支持向量机模型（SVM．PSO）比基于SVM和基于神经网络（ANN）模型的分类能力更强,分类准确率超过85％．     

基于合成核支持向量机的风力发电机故障诊断

采用合成核函数构造支持向量机模型,运用粒子群优化算法（PSO）对模型参数进行参数寻优,利用UCI数据集的数据进行分类验证.与单核SVM相比,该方法具有更好的分类能力和运算速度.将合成核SVM应用到风机齿轮箱的故障诊断中,取得了良好的效果.     

基于KPCA-PSO-RBF-SVM的矿井突水水源识别模型

为对矿井突水水源进行识别以减少矿井突水事故的发生,提出了粒子群(PSO)结合RBF核参数优化的SVM模型,并使用核主成分分析法(KPCA)对选取水源特征指标进行高效降维.根据水源离子敏感性选取了8种水化学指标(K~+、Na~+、Mg~(2+)、Ga~(2+)、HCO_3~-、Cl~-、F~-、SO_4~(2-))作为突水水源识别特征参数.使用基于最大方差关联度准则的核参数选择方法并结合粒子群算法构造参数优化算法,使用参数优选后的支持向量机模型对90组突水水源识别训练数据进行模型训练,用其余32组数据进行测试,模型实测效果与Logistic模型、PCA-Fisher模型以及PSO-SVM模型进行对比,结果表明:采用径向基核函数优化的支持向量机模型能够选取较优参数,模型实测平均准确率为93.75%,误差明显低于其他模型,证明了该模型能精准且高效地识别矿井突水水源.     

基于核主元分析和支持向量机的结构损伤识别研究

为了提取有效的损伤特征并提出实用的损伤识别方法,本文利用核主元分析(KPCA)良好的非线性特征提取和支持向量机(SVM)在非线性映射、分类方面的优秀性能,提出了一种基于非线性特征提取的支持向量机损伤识别方法.首先采用粒子群算法(PSO)来优化KPCA的核参数,然后运用优化后的KPCA进行损伤特征提取,最后用SVM进行模式分类并输出识别结果.为了验证所提方法的有效性,通过一个12层钢混框架模型进行损伤识别,并重点研究了KPCA的核参数优化模型及可分性分析、噪声程度、不同特征提取方法、神经网络模型对该方法性能的影响.研究发现:本文所提出的方法不仅能有效地提取损伤特征和降低数据维数,而且具有较高的损伤识别和抗噪能力、泛化能力,且鲁棒性很强.     

基于PCA PSO LSSVM的综合管廊投资 估算方法

为有效地解决现有综合管廊投资估算方法的预测精度不高,且预测精度易受样本量大小、特征参数冗余或贫缺等问题,构建一种将主成分分析法（PCA）与粒子群算法（PSO）优化最小二乘支持向量机（LSSVM）结合的综合管廊投资估算预测模型.采用PCA对影响综合管廊投资估算的特征参数进行降维,剔除噪声或冗余数据,以贡献率较大的主成分作为LSSVM的输入向量,综合管廊单公里造价作为LSSVM的输出向量;利用PSO对LSSVM的核函数参数σ与惩罚因子参数C进行寻优,建立基于PCA PSO LSSVM的综合管廊投资估算预测模型,并对测试集样本进行预测.预测结果显示:PCA PSO LSSVM模型平均相对误差为3.28%,满足投资决策阶段对投资估算预测误差的要求（±10%）,且与PCA LSSVM模型、PSO LSSVM模型、GA BP模型和GA SVM模型相比,预测精度分别提高了67.29%,70.52%,48.13%和38.60%.PCA PSO LSSVM模型预测精度高,泛化性能优,可作为综合管廊投资估算的有效预测方法.     

试井解释在火山岩气藏数值模拟中的应用

徐深气田火山岩气藏储层内部存在岩性岩相变化快且非常复杂,裂缝相对发育等地质特征,在进行数值模拟
过程中需要将模型进行网格加密等细化研究。针对数值模拟历史拟合具有多解性,不同的网格加密、属性参数组合有
可能达到相同的拟合效果的问题,开展了在细化模型的同时最大限度减少不确定性的研究,研究中结合徐深气田火山
岩储层储渗结构特征,识别出了3 种类型的试井模型,提出利用试井模型对数值模拟模型进行修正的新方法。该方法
使得数值模拟模型更加精细化,开发指标预测的精度大大提高,对于徐深气田火山岩气藏进一步精细挖潜,单井合理
配产,以及方案优选具有十分重要的意义。     

基于改进PSO算法的混合核SVM算法

提出一种基于改进粒子群优化（PSO）算法的优化混合核支持向量机（SVM）算法（ILPSO）, 解决了一般混合核SVM算法很难评定参数选择的问题. 该算法通过限定粒子的速度、 搜索空间和交叉算子等多种寻优策略加强其收敛特性, 得到了参数的最佳组合. 仿真实验表明, 该算法能更快速、 有效地获得参数的最优值.     

基于地震属性的支持向量机河道砂体厚度预测

松辽盆地北部中浅层扶余油层的主力储层为河道砂体,以厚度薄、沉积规模小和横向变化快为特点。针对河
道砂体的准确识别、砂体厚度的精确预测难题,提出在优化地震属性组合的基础上确定支持向量机模型,进而用支持
向量机方法定量预测河道砂体。对振幅、频率、相位、地震波形分类和相干等多种有效地震属性开展优选组合,将最好
的组合作为最终输入数据。然后调试SVM 关键参数：损失函数C、不敏感损失函数参数ε 及γ 系数,最终全部井点数
据参与计算,得出最后预测结果。预测结果不但能较好地保持地震属性的横向分辨率,整体变化趋势符合研究区的沉
积地质规律,而且在井点处吻合程度高,具有较高的砂体厚度定量预测能力。     

基于KPCA-SVM的预测模型在铀矿堆浸中的应用

针对影响堆浸工艺铀矿浸出率的因素较多且具有非线性的特点,提出一种利用核主成分分析(KPCA)进行参数处理,整合冗余,降低维数,并将处理后得到的6个主成分作为支持向量机(SVM)测量模型输入的预测方法。在此过程中,利用粒子群算法(PSO)优化核主成分分析和支持向量机的参数,使模型具有较高的训练精度。在此基础上,对铀矿堆浸进行建模仿真,并进行预测。结果表明,基于KPCA-SVM的铀矿累计浸出率模型与BP神经网络方法相比,具有有效降低数据维数、在小样本条件下学习更加有效、建模采样过程更快、预测精度更高的优点。     

基于离散粒子群和支持向量机的故障诊断方法

针对与故障不相关的变量会影响分类器性能,从而导致故障诊断正确率下降,提出一种将离散粒子群算法（PSO）与支持向量机（SVM）相结合寻找故障特征变量的优化算法。该算法实现了数据降维和故障特征保留,有效地提高了故障诊断性能。基于连续搅拌釜式反应器（CSTR）的仿真实例验证了该算法古白有诗性．     

涩北气田整体治水思路探讨

涩北气田储层多而薄,气水关系复杂。近年来,气田出水加剧,水气比迅速蹿升,主力气层边水入侵十分严
重,且水线推进极不均匀,导致部分气层内部被水分割,气田采收率面临重大影响。另外,由于气田出水,造成了气井
的产能和产量大幅度下降,还加剧了气田的出砂,稳产形势十分严峻,仅靠对单井的排水采气工艺和堵水治理措施,已
不能有效解决涩北气田面临的出水问题。从分析涩北气田整体治水的必要性、地质条件可行性出发,探讨了涩北气田
整体治水的可行性,提出了“内控外排、高控低排、整单结合、排堵结合、水砂同治”的整体治水思路,其目的是结合气
藏地质描述、气藏工程、排水采气、堵水等技术手段,从气田层面进行调整,使得边水均匀推进,有效阻止边水突进对
气田内部区域的进一步伤害,最大限度解决气田产水问题,保障气田的连续、稳定开发。整体治水方案在气田部分层
系进行了先导试验,效果良好。     

A novel intrusion detection method based on improved SVM by combining PCA and PSO

The paper presents an improved support vector machine (SVM) by combining principal component analysis (PCA) and particle swarm optimization (PSO).Then,the improved SVM is applied to the intrusion detection system (IDS) to improve the detection rate.First,PCA is used to reduce the dimension of feature vectors.Second,we use the PSO algorithm to optimize the punishment factor C and kernel parameters in SVM.The experimental results indicate that the intrusion detection rate (97.752 8%) of improved SVM by combining PCA and PSO is higher than those (95.635 5%) of PSO-SVM and those (90.476 2%) of standard SVM with KDD Cup 1999 data set.     

基于粒子群优化的支持向量机用于直肠感知功能重建

针对临床上肛门失禁导致的直肠感知功能丧失,提出了一种基于粒子群优化(PSO)的支持向量机(SVM)重建患者直肠感知功能的方法.分析人体直肠压力生理特征,将典型直肠压力收缩波形中的巨大移行性收缩(HAPC)作为产生便意的主要依据,利用小波包分析对直肠压力信号进行特征提取,通过提取的特征向量对基于SVM的直肠感知预测模型进行训练,使用PSO算法对SVM的参数进行优化,并利用训练后的模型进行便意预测,同时对比分析了参数优化后的SVM和不同核函数的SVM便意预测的准确率.实验结果表明,所提出方法切实有效,能够帮助患者重建直肠感知功能.     

白庙致密砂岩凝析气藏水平井优化设计

白庙气田具有构造复杂、埋藏深、储层物性差、凝析油含量高、地露压差小、地层压力高等特点,属于致密砂
岩凝析气藏。气井压裂投产初期一般具有较高的产能,但随着凝析油在近井地带析出堵塞渗流通道,产量下降快,稳
产时间短。投入开发以来,一直采用直井开采,采出程度低,开发效果差。水平井开发机理研究认为,采用水平井开发
可以提高气井产量及气藏采收率。针对该气藏地质特点,通过深入研究地质特征,重新认识局部构造和储层展布规
律,开展了水平井开发这类气藏的试验研究,先后优化实施了2 口水平井,取得了初步的效果,对合理开发致密砂岩凝
析气藏具有一定的指导意义。     

神狐深水海域天然气水合物成藏的气源条件

为深入分析南海北部神狐深水海域天然气水合物形成的气源控制因素,以神狐海域天然气水合物调查区为重
点研究对象,在基础调查资料和相关钻探成果的综合研究基础上,全面探讨了神狐海域天然气水合物成藏的气源供给
条件。研究结果表明：（1）神狐海域浅层400～1 200 m 以内具备良好的适合微生物成因甲烷气体生成条件,生物气生
气潜力巨大;（2）深部古近系文昌组湖相和恩平组煤系两套成熟烃源岩,亦以生气为主,能够提供一定数量的热解气
补充之;（3）深部成熟热解气通过纵向断层或底辟通道垂向运移至浅层海底,在浅部与微生物气一起侧向运移至天然
气水合物稳定域内形成混合型天然气水合物藏。     

基于响应面法的海上油藏注气参数设计方法

针对海上低渗油藏注气方案设计受平台环境、油藏特征和工艺条件等众多因素影响而复杂烦琐的问题,将响
应面方法引入水气交替驱方案的设计中。在确定了少量但具有代表性的气驱方案的基础上,通过对其结果的统计分
析,形成了采收率指标与注气时机、水气比、周期注入段塞3 个因素之间的预测模型与响应曲面,并在此基础上开展了
注气参数优化设计。通过该方法可以对研究范围内的气驱方案进行高效地设计、预测和优化,简洁、直观地确定最佳
气驱方案,科学、高效地实现设计目标,提高了海上低渗油藏气驱设计工作的效率和质量。     

基于混沌粒子群的SVM参数优化算法

支持向量机的性能与核函数的参数及惩罚系数C有很大关系.利用Lozi’s映射的较好遍历性,在粒子群优化算法中引入Lozi’s映射的混沌思想,提出基于混沌粒子群优化算法的SVM参数优化方法.仿真实验表明,该算法能有效提高整个迭代搜索的收敛速度和精度,从而更好地优化SVM参数.