基于SVM和灰色预测的飞灰含碳量集成预测

针对电厂飞灰含碳量难以进行有效预测的问题,提出一种嵌套智能集成预测方法.首先,利用变学习率BP神经网络和主成分分析方法对输入变量进行降维处理;其次,为提高模型自适应能力,利用上述分析结果采用在线支持向量机建立飞灰含碳量预测模型;然后,为反映飞灰含碳量数据的时间相关性,采用灰色预测方法建立当前时刻飞灰含碳量预测模型;最后,在上述预测模型的基础上,利用信息熵的权值组合方法获得最终的飞灰含碳量预估值.仿真结果表明,该智能集成预测模型的预测精度要高于单一模型,能对电厂飞灰含碳量进行有效预测.     

炮采煤层工作面瓦斯涌出规律的数值模拟研究

研究煤层瓦斯在采动影响下的流动规律是煤矿安全生产的一个关键性问题.考虑爆破振动和固体骨架可压缩因素,建立了炮采煤层掘进面煤与瓦斯流固耦合数学模型.应用FLAC3D差分程序,利用fish语言将变化的孔隙率和渗透率引入到计算中,模拟了煤层在爆破振动作用下掘进面瓦斯流动规律.仿真结果表明:炮采煤层工作面处岩体受振动影响破坏程度较大,巷道顶板位移较小,岩体的破坏主要集中在工作面附近;煤层中的瓦斯压力由远处至工作面逐渐减小,距工作面5米以内的煤层瓦斯压力梯度较大;炮采时,掘进面附近瓦斯压力梯度较大,沿掘进方向孔隙压力呈非线性分布,机掘时,沿掘进方向孔隙压力呈线性分布.     

SVM方法及其在客户流失预测中的应用研究

客户流失分析与预测是客户关系管理的重要内容.针对客户流失问题,建立了支持向量机预测模型.针对实际客户流失数据中正负样本数量不平衡而且数据量大的特点,提出带有不同类权重参数的支持向量机算法CW-SVM,通过调整类权重参数改变分类面位置,提高算法分类准确性;将标准支持向量机训练问题转化为运算效率更高的核向量机问题,提出处理不平衡海量数据集的CWC-SVM算法.通过实际银行信贷客户数据集测试,该算法与传统预测算法比较,更适合解决大数据集和不平衡数据,取得较好的客户流失预测效果.     

一种基于粗糙集理论的SVM短期负荷预测方法

在分析粗糙集理论方法与支持向量机方法的优势和互补性后,探讨了粗糙集与支持向量机的结合方法,提出了一种基于粗糙集数据预处理的支持向量机预测系统。该系统利用粗糙集理论在处理大数据量、消除冗余信息等方面的优势,减少支持向量机的训练数据,克服支持向量机方法因为数据量太大,处理速度慢等缺点。将该系统应用于短期负荷预测中,与BP神经网络法和标准的支持向量机方法相比,得到了较高的预测精度,从而说明了基于粗糙集理论方法作为信息预处理的支持向量机学习系统的优越性。     

峰值识别的SVM模型及在时用水量预测中的应用

提出了一种峰值识别理论及相应改进的SVM模型.该模型在结构风险最小化准则的目标函数中加大峰值误差的权重,并结合杭州市时用水量预测实践结果,其能很大提高对峰值用水量的预测精度.模型还把时用水量序列分为参数优化集和训练预测集,以对参数C、γ优化选取.     

基于SVM 的柔性生产模式下生产过程质量智能预测

提出了一种基于支持向量机(SVM)的柔性生产模式下生产过程质量智能预测方法.该方法基于结构风险最小化, 能较好地解决小样本学习问题,避免了人工神经网络等智能方法在训练时所表现出来的过学习、泛化能力弱等缺点.实验表明: 该方法具有预测精度高、速度快、容易实现等优点,为柔性生产模式下的生产过程质量预测提供了一种切实有效的方法.     

EMD-ISMO算法在电力负荷预测中的应用

电力负荷是受多种因素影响的复杂非线性系统,具有明显的周期波动性和趋势性。利用集平稳化和层次化处理能力于一体的经验模态分解（EMD）方法处理非线性非平稳信号的有效性,对电力负荷数据进行平稳化处理,分离出12组IMF数据,包含若干个不同频率的平稳分量,能更明显地看出原负荷序列的周期项、随机项和趋势项;结合对负荷数据具有很好预测能力的改进SMO算法（ISMO）,对IMF数据进行分别预测和组合预测,提出了一种EMD-ISMO算法。实验结果表明,该方法无论在预测精度还是收敛速度上都比单纯的SMO算法有了很大改进,取得了很好的预测效果。

Abstract：

Electrical load is a complex nonlinear system which is affected by many factors.It has obvious volatile,cyclical,and tendency.Empirical mode decomposition （EMD） algorithm has smoothing and hierarchical processing ability.It can process the nonlinear and non-stationary digtal signal effectively.EMD algorithm was used to process the electrical load data.12 groups IMF data were decomposed,including a number of smooth components with different frequency.The cyclical term,random term and tendency term could be observed clearly.EMD-ISMO algorithm was proposed combining with the improved SMO algorithm（ISMO） which had perfect forecasting ability.Forecasting model was established with IMF data to forecast separately and jointly.The experimental results show that EMD-SMO algorithm can greatly improve the forcast accuracy and computation speed.It achieve very good forcast results.     

核参数遗传选优的SVM在直线电机建模中的应用

采用遗传算法对支持向量机的径向基核参数进行优化，找出了具有较强推广能力的径向基搬参教，进而建立了直线电机结构参教与输出性能关系模型，并对模型的有效性进行了验证，为直线电机建模探索了一种有效的方法。     

基于模糊支持向量机的小批量生产质量智能预测方法

在分析比较目前常用的智能工序预测技术及其特点的基础上,提出一种适合小批量生产过程的质量智能预测模型,并给出了相应的预测过程和算法.由于该模型中以模糊支持向量机(FLS-SVM)技术为智能核心,一方面较好的解决小样本学习问题,避免了人工神经网络等智能方法在对小批量生产过程质量进行预测时所表示出的过学习、泛化能力弱等缺点.另一方面,通过隶属度函数对样本进行模糊化,达到样本优化选择,实现历史数据“重近轻远”的预测效果.通过对具体加工过程的预测实验,并与其它几种常见预测方法效果进行对比,说明本文方法实现容易,建模速度快,小样本的泛化能力强,为实现小批量加工过程的在线质量预测与控制提供可行的思路.     

基于预测误差校正的支持向量机短期风速预测

对风电场风速进行较为准确的预测,对于电力部门及时调整调度计划至关重要。建立了支持向量机风速预测模型,并提出了结合预测误差校正来提高预测精度的新思路。先建立SVM模型初步预测风速,再将得到的训练误差和测试误差分别构建样本,建立基于小波-支持向量机的误差预测模型进行误差预测,最后用预测误差对风速初步预测值进行校正。仿真结果表明所提方法能明显改善预测精度,而且方法简洁明了,具有很好的稳健性,能够推广到长期风速预测、负荷预测及其它预测领域。     

支持向量机在导弹动力系统推力预测中的应用

应用改进型支持向量回归算法ν-SVR,研究了导弹动力系统推力预测问题,讨论了不同核函数和惩罚因子对推力预测的影响。发现选用多层感知器核函数和适当的惩罚因子时,得到的预测模型稳定性好,并且训练时间和预测误差相对较小;同时与BP神经网络模型进行了对比研究,仿真结果表明,支持向量机能够更好地预测发动机推力,是一种研究小样本情况下推力预测的有效方法。     

经验模式分解算法的分析及应用

从窄带信号的定义出发,弥补了经验模式算法由本质模式函数(IMF)作为基础的缺陷,合理解释了经验模式分解算法. 并在理论上研究了筛过程的本质特征.应用局部窄带分解算法分析一组电力数据.通过分析分解的结果得到电力消费数据包含几个周期时序组成的结论,以指导电力的分配.     

基于SVM的故障预报中的并行优化仿真研究

在基于支持向量机的故障预报过程中,故障样本数据的不相关变量会影响支持向量机的性能;加权支持向量机中直接选择加权系数存在很多不足;支持向量机参数主要凭人的经验或通过多次实验获得,还没有一个确定而有效的方法.针对这三种问题,提出了采用改进的人工鱼群算法将特征选择、加权系数、支持向量机参数进行并行优化的方法,并将此方法应用于船舶动力装置冷凝器的故障预报中.仿真结果表明:相对于单独优化,并行优化能够在更短的时间内进行最有效的故障特征提取,并且提高支持向量机的性能;相对于遗传算法,改进人工鱼群算法能够以更快的速度达到最终的优化结果.     

基于支持向量机的低空飞行目标声识别

目标识别是战场低空飞行目标声预警技术的核心内容之一。为了满足声预警系统的要求,建立的识别器必须高效、具有较好的推广能力。采用了一种新的分类器一支持向量机对目标进行了分类识别。首先简要描述了直升机、巡航导弹的声信号特性,说明了支持向量机的原理。以自回归模型参数为特征向量对3种直升机、一种巡航导弹共4类目标进行了识别,并同一种前向反馈神经网络进行了识别比较。支持向量机和该神经网络得到的识别率分别为88.1%和84.1%,结果表明此方法的有效性。最后分析了两种分类器识别错误的原因,给出了提高识别率的建议。     

运用SAS软件系统对我国农作物受灾及成灾面积的预测分析

运用 SAS软件系统中的一些时间序列建模方法及回归分析方法对我国农作物受灾及成灾面积作了预测分析 ,得到了较高的预测精度 ,为我国的灾害预测提供了一种方便实用的方法 .     

基于乘积ARIMA模型的产品不确定性需求预测

为对不确定的市场需求进行有效预测,可运用SAS系统中的TimeSeriesForecastingSystem,基于乘积求和自回归平均滑动模型(ARIMA),对产品销售的时间序列数据进行预测。先对原始数据或变换后的数据作简单差分或季节差分,把时间序列化为平稳的时间序列,进行参数的初估计,然后进行多次拟合并最终确定模型,根据SAS估计结果,可得到预测偏差。对预测结果在营销管理和供应链管理中的应用进行了分析,取得了较好的效果。     

驾驶员模型对Ⅱ型PIO预测影响研究

由速率饱和引起的Ⅱ型PIO(Pilot-in-the-Loop Oscillations)严重威胁着飞行安全.在基于描述函数法的Ⅱ型PIO预测中,建立了速率限制环节的描述函数模型,构建了具有速率限制环节的人机系统模型,分别采用驾驶员同步控制模型、补偿控制模型及Neal-Smith模型对人机系统Ⅱ型PIO预测进行了仿真对比研究.仿真结果表明代表着不同控制模式的驾驶员模型对预测结果有显著影响,飞行试验结果也表明不同的驾驶员对同一PIO构型给出了有差异的评分.     

技术链视角下产业共性技术供给模式选择研究

结合共性技术研发过程及技术链分析,借鉴Stackelberg博弈思想,通过引入纵向扩散难度、技术弹性及后续开发难度等建立主从博弈模型,分析了技术链视角下共性技术供给模式及选择问题.研究发现相对政府主导和政府-市场结合模式言,市场主导模式不可取;随供给成功率增加率增大、纵向扩散难度减少、技术弹性增加(只要纵向扩散难度不太大或供给成功率增加率不太小)及上游企业影响力增加(相应政府-市场结合模式下下游企业预期收益低于政府主导模式),政府-市场结合模式上下游企业努力水平及博弈参与方预期收益均高于政府主导模式,且下游企业努力水平及收益均更晚的超过政府主导模式,反之,政府主导供给模式占优.最后,讨论了研究的管理启示.     

基于MPC方法的供热系统一次侧流量实时预测

基于模型预测控制方法,使用离散的受控自回归模型建立二级网动态热传输滞后模型与热力站模型,结合机器学习算法中的多项式拟合方法对二级网模型和热力站模型中的参数进行辨识校准,并基于模型结果对未来工况条件下的热力站一次侧流量进行预测,为供热系统质量调节提供依据.使用实测数据对模型进行了验证,实际偏差在5％以下,为供热系统流量调...