基于LS-SVM的棉针织物染色上染率模型的研究

针对棉针织物染色上染率建模中存在非线性建模困难及预测精度不高等问题, 结合棉针织物的染色机理, 基于最小二乘支持向量机（LS-SVM）建立上染率模型并进行预测. 将提出的方法与BP神经网络法进行比较, 试验结果表明前者具有更高的预测精度, 验证了LS-SVM对织物染色上染率预测建模是一种可行而有效的方法.     

基于LS-SVM方法的晴空逐时太阳辐射模型

利用浙江省杭州和椒江两站2003-2005年的晴空逐时气象数据,采用最小二乘支持向量机方法(LS-SVM),建立了晴空逐时太阳辐射模型.模型的输入因子为逐时天文辐射、气温、气压、水汽压、能见度和风速等要素,输出因子为逐时太阳辐射.模型数据分为2部分,其中2003年的数据用于训练建模,2004-2005年的数据用于模型的评估.结果表明,LS-SVM方法能够很好地模拟气象要素对太阳辐射的非线性影响,建立的太阳辐射模型精度较高,模型的解释性方差R2为0.950 5,均方根误差ERMS-0.159 0 MJ·m-2,平均误差EMB和平均绝对误差EMAB分别为0.005 3和0.124 1 MJ·m-2.根据浙江省68个气象站2005-12-15T14:00的气象要素,估算出的太阳辐射为1.39～2.24 MJ.m-2.基于LS-SVM方法的晴空逐时太阳辐射模型具有很好的学习推广能力,利用常规的气象观测资料,即可模拟出具有相似气候背景下的晴空逐时太阳辐射,为太阳辐射遥感反演提供地面数据.     

藤材染色中活性染料上染率的研究

选用艳红X3B和嫩黄X6G两种活性染料对省藤和黄藤藤材、藤皮染色,研究活性染料对两种藤不同试样的上染性。分析了原料的不同处理方式、染液浓度、染色时间、染色温度等对藤材上染率的影响,比较了省藤和黄藤与毛白杨、红松和竹材间上染率的差异性。结果表明：活性染料对藤材可上染;藤皮经打磨、酸、碱处理均不能上染;活性染料上染率最佳的染色条件：染液质量分数0.5%,染色时间2 h,染色温度40℃;省藤、毛白杨、红松和竹材的上染率差异不明显,黄藤上染率最低;同种藤染色,活性嫩黄X6G上染率优于活性艳红X3B;热水抽出处理后,藤材上染率略有降低。     

基于LS-SVM的橡胶炭黑均匀度判定模型

为了减少橡胶生产过程中的废品率,需要间接、实时、准确地确定橡胶中炭黑的分散均匀度。基于结构风险最小化原则的支持向量机(SVM)是一种新型的机器学习方法,对于小样本决策具有良好的分类、推广能力．应用多元分类的最小二乘支持向量机建立了橡胶炭黑分散均匀度六级判定模型,并对实际数据进行判定,平均错别率下降到3．6％。结果表明该模型是可行的,并能快速、准确地判定橡胶炭黑的分散均匀度。     

红花对棉针织物的染色及抑菌性能研究

红花既是常见中草药,也是常用的天然食用色素,本文探索了红花在纺织印染领域中的应用.采用超声波水提法从中药材红花中提取染料色素,通过预媒染色法对棉针织物进行染色;在媒染剂明矾用量5 g/L,预媒处理时间30 min,染色温度70℃、保温时间60 min的优化工艺条件下,15％(o.w.f)用量的红花色素对棉针织物染色后的...     

筒状棉针织物活性染料冷轧堆染色工艺研究

本文简述了筒状棉针织物冷轧堆染色法的主要问题。通过对国产活性染料进行筛选，配以自制的高效匀染剂，研究制定出了筒状棉针织物冷轧堆染色工艺；在经局部改造的冷轧堆设备上大试生产表明，不仅染色效果优于常规工艺，而且还可节能、节约染化料。     

基于LS-SVM的热带气旋强度预报

建立了基于最小二乘支持向量机的热带气旋强度预报模型。针对机理建模和神经网络建模无法提供热带气旋强度预报的有效解决方案,研究了基于最小二乘支持向量机的回归模型。利用给定的热带气旋数据集,使用交叉验证和网格搜索的方法对最小二乘支持向量机回归模型进行了参数优化选择。实验结果表明,建立的热带气旋强度的12,24,48和72 h的预报模型,都满足了预定的误差要求。     

基于LS-SVM的织物烘干含水率模型的应用

针对织物烘干过程中工艺参数设定把握不准,导致织物过烘或未烘透造成能源浪费或织物质量下降的问题,分别采用多元非线性回归、扩展的GM(1,1)、最小二乘支持向量机建立织物干燥过程中的含水率预测模型,并通过实验验证方法的有效性。实验结果表明,相对于其他两种模型,基于最小二乘支持向量机的含水率预测模型可以准确学习织物干燥过程中的非线性关系,预测值平均误差低至1.8%。因此,该模型是准确的,可以为烘干环节生产工艺的选取提供依据。     

果酒品质评价的自适应量子粒子群LS-SVM模型

针对BP神经网络和遗传算法对果酒品质预测存在速度慢和精度低的缺点,建立了一种基于量子行为粒子群算法(QPSO)的最小二乘支持向量机(LS-SVM)的果酒品质预测模型。模型通过引入粒子的进化度和聚合度,动态调整收缩扩张因子,从而实现了算法的动态自适应性。仿真结果表明:基于自适应量子粒子群的LS-SVM果酒品质评价预测模型优于所比较的BP神经网络和最小二乘支持向量机两种模型,具有较好的泛化性能和预测精度。     

WLS和WLS-20改性的棉织物染色效果评价

分别采用自制的阳离子剂WLS及WLS-20浸轧改性棉织物,评价不同结构的阳离子助剂改性棉织物活性染料轧染无盐低碱染色效果,并与未改性棉织物轧染有盐高碱染色效果进行比较．结果表明,WLS和WLS-20改性棉织物的染色性均显著提高,均能获得比未改性织物有盐染色更高的K／S值和固色效率,二者皆能实现活性染料无盐低碱染色,但是相比之下,WLS-20助剂是一种较WLS助剂更好的活性染料无盐染色助剂,能获得更好的染色效果．     

基于计算机视觉的织物疵点自动检测

用小波变换结合BP神经网络对织物疵点进行检测和分类.采用平纹坯布作为试样,对油渍、缺经、缺纬疵点进行识别.摄相机摄取256×256图像,将拾取图像进行小波分解,然后把小波分解后的图像灰度值作为特征参数输入到BP神经网络进行检测识别.实验结果表明,用这种方法识别织物疵点,识别率可达到98%.     

棉织物的防日晒整理研究

以表面活性剂对棉织物处理为例,用常规染色中日晒牢度较低的染料——活性嫩黄K-4G进行染色,与常规染色的棉布进行日晒牢度的比较后,摸索出了一种兼顾环保、节能的染色工艺。     

基于模糊神经网络的染色机温度控制

针对染色过程中温度控制系统具有严重的非线性以及较大的时间滞后性,无法精确建立数学模型的特点,设计了一种模糊神经网络控制算法．该算法能实现对恒温、升温、降温过程的分别控制,以达到提高控制效果的目的．提出模糊神经网络控制方法,并设计出相应的控制器,通过Matlab仿真及实际应用论证了该控制器的可行性．     

涤纶长丝织物在染整加工中缩率的变化

涤纶织物在染整加工过程中，受到各种工艺条件的复合作用，从而使得产品在外部形态及结构尺寸上不断发生变化．为了确切反映染整加工中每道工序对织物形态的影响，实验模拟了不同品种的涤纶长丝织物的染整工艺，分别考察各工序处理后织物缩率的变化．结果发现，各个工序对织物的缩率有不同程度的影响，织物在整个染整工艺过程中的总缩率随着热定型温度的升高而增加;影响织物收缩的因素包括热、湿和碱，其中热、湿的作用最为显著．     

天然植物染料黄连在毛织物染色中的应用

用黄连提取液染羊毛织物，通过正交试验确定了直接染色和预媒染染色的最佳工艺条件，并分析了各染色条件对黄连染毛织物的色差值的影响。色牢度测试表明黄连染毛织物的耐摩擦牢度较好，皂洗牢度较差。     

基于偏最小二乘与神经网络耦合的储层参数预测

将偏最小二乘回归(PLS)与神经网络(NN)耦合,建立了储层参数预报模型.利用偏最小二乘对影响储层参数的诸多因素进行分析,提取对因变量影响强的成分,从而克服了变量间的多重相关性问题,降低了神经网络的输入维数;同时,利用神经网络建模可以较好地解决非线性的储层参数预测问题.计算实例表明,本耦合模型的拟合和预报精度优于独立使用神经网络模型的精度.     

基于动量自适应学习率PSO-BP神经网络的钻速预测模型研究

机械钻速(rate of penetration, ROP)是钻井作业优化和减少成本的关键因素,钻井时有效地预测ROP是提升钻进效率的关键。由于井下钻进时复杂多变的情况和地层的非均质性,通过传统的ROP方程和回归分析方法来预测钻速受到了一定的限制。为了实现对钻速的高精度预测,对现有BP (back propagation)神经网络进行优化,提出了一种新的神经网络模型,即动态自适应学习率的粒子群优化BP神经网络,利用录井数据建立目标井预测模型来对钻速进行预测。在训练过程中对BP神经网络进行优化,利用启发式算法,即附加动量法和自适应学习率,将两种方法结合起来形成动态自适应学习率的BP改进算法,提高了BP神经网络的训练速度和拟合精度,获得了更好的泛化性能。将BP神经网络与遗传优化算法(genetic algorithm, GA)和粒子群优化算法(particle swarm optimization, PSO)结合,得到优化后的动态自适应学习率BP神经网络。研究利用XX8-1-2井的录井数据进行实验,对比BP神经网络、PSO-BP神经网络、GA-BP神经网络3种不同的改进后神经网络的预测结果...     

基于KPCA-LSSVM的丁苯橡胶聚合转化率软测量

针对丁苯橡胶聚合转化率需在线实时预测,考虑实际工况的复杂性,首先采用具有较强非线性特征提取能力的核主元分析(KPCA)对数据进行前期处理,然后将其结果作为具有学习速度快、泛化能力强的最小二乘支持向量机(LSSVM)的输入,并以交叉验证法对LSSVM参数寻优,从而获得丁苯橡胶聚合转化率软测量模型.经采用工业现场数据仿真研究,聚合转化率预测绝对误差大于1.5的比例小于样本总数的10%,说明该模型预测精度能满足生产要求.