BP网络用于香梨酒香气成分的QSRR研究

采用误差反传前向人工神经网络建立54种香梨酒香气成分的结构与色谱保留之间的定量关系模型(ANN模型).以54种香梨酒香气成分的分子连接性指数和分子形状属性指数作为输入,色谱保留时间作为输出,采用内外双重验证的方法分析和检验所得模型的稳定性和外部预测能力,所构建网络模型的相关系数为0.998、交叉检验相关系数为0.997、标准偏差为0.289、残差绝对值≤1.12,应用于外部预测集,外部预测集相关系数为0.984;而多元线性回归(MLR)法模型的相关系数为0.951、标准偏差为1.33、残差绝对值≤3.08,外部预测集相关系数为0.953.结果表明:ANN模型获得了比MLR模型更好的拟合效果.     

芳香族硝基化合物自加速分解温度的定量结构-性质关系

针对芳香族硝基化合物生产、运输以及储存过程中引发的重特大燃爆事故,采用试验及模型计算等方式对其自加速分解温度(SADT)进行获取,并提出一种基于定量结构-性质关系(QSPR)的理论预测方法。通过绝热加速量热试验获取18种芳香族硝基化合物的热力学和动力学参数,以此计算得到25 kg标准包装下物质的自加速分解温度。应用多元线性回归(MLR)和人工神经网络(ANN)等机器学习方法分别构建相应的预测模型,最终验证并比较两种模型的拟合能力、鲁棒性和预测能力。结果表明：芳香族硝基化合物对应MLR模型和ANN模型的相关系数分别为0.893和0.975,ANN模型在匹配度方面明显优于MLR模型。     

充填钻孔寿命SVM优化预测模型研究

基于充填钻孔是充填料浆从地表输送到井下采场的咽喉工程,是矿山正常运转的保障,对矿山充填钻孔使用寿命进行预测十分重要,建立支持向量机(SVM)回归预测模型,用训练集对模型进行训练,以验证集预测值的均方误差作为适应度函数,通过遗传算法(GA)对SVM模型参数进行优化选择,应用优化得到的SVM模型对预测集进行预测。以某矿为例,通过GA得到SVM模型最优参数:适应值(均方误差)为0.011 1,惩罚系数C为47.076 8,核函数参数σ为2.263 8。采用优化的SVM模型对预测集充填钻孔寿命进行预测,预测结果的最大预测相对误差为8.6%,平均相对误差为5.2%。对比BP神经网络(最大相对误差为13.6%),优化的SVM模型预测结果更加理想,精度更高。     

25种持久性有机污染物飞灰-水分配系数的定量结构性质关系研究

分别采用多元线性回归(MLR)和径向基函数人工神经网络(RBF - ANN)建立了2个不同的持久性有机污染物飞灰-水分配系数(Ksc)的定量结构性质关系(QSPR)模型,并应用留一交叉验证方法对所建立的模型进行了检验.用所建立的模型研究了25种有机污染物的飞灰-水分配系数的定量结构性质关系.结果表明:MLR模型预测的l...     

SVM用于2-杂环芳基苯并二氢吡喃-4-酮衍生物QSRR研究

将支持向量机(SVM)用于15种2-杂环芳基苯并二氢吡喃-4-酮衍生物的定量结构-色谱保留相关(QSRR)研究.通过核函数的选择及核函数参数的优化,建立了预测模型,预测了该类化合物色谱容量因子,得到优于多元线性回归(MLR)方法的预测结果.实践表明,SVR算法能较好地解决小样本、非线性等问题,并能够有效控制过拟合,提高算法的预报能力.     

烷基硫醚气相色谱保留指数预测

以4种原子类型电性拓扑态指数(E-state indices)为参数,对64种烷基硫醚在4种不同极性固定相上的气相色谱保留指数分别进行了定量结构-色谱保留相关(QSRR)研究. 采用多元线性回归(MLR)方法建立模型,线性相关系数R在0.987 7～ 0.994 2之间,标准偏差在15.254 4～21.181 3之间,相关性良好;采用留一法(LOO)对模型稳健性进行检验,相关系数RLOO在0.985 2～0.992 9之间. QSRR模型具有显著的统计学意义和很好的预测可靠性.     

煤与瓦斯突出missForest-EGWO-SVM预测模型

针对煤与瓦斯突出预测的数据不完整或缺失问题,提出一种基于miss Forest-EGWO-SVM的煤与瓦斯突出预测模型.以淮南地区的实测数据作为研究样本,采用missForest算法对样本数据进行缺失值填补;为解决SVM算法性能受参数影响大的问题,利用高效灰狼算法(EGWO)对SVM进行参数寻优;完善后的数据集作为EGWO-SVM模型的输入进行实验,与其他模型对比.研究结果表明:采用missForest填补缺失数据,提高了模型的突出事故预测率,EGWO-SVM模型能够有效避免GWO在后期搜索中陷入局部最优,进一步提高了SVM的预测精度.研究结论为缺失数据情况下煤与瓦斯突出预测提供了一种途径.     

基于SVM的密炼机混炼胶的粘度预测

为了提高密炼机混炼胶粘度预测模型的可用性和精确度,在单台机模型的基础上用支持向量机(SVM)非线性回归算法建立了一种新的基于SVM的混炼胶粘度预测模型,并采用此模型对实测数据进行了预测．结果表明,文中所建立的新模型不仅降低了建立预测模型时的工作量,而且提高了预测精度与速度．与多元回归的预测结果相比,新模型具有更好的准确性,可有效用于混炼胶质量指标的在线预测．     

基于支持向量机的苯酚类化合物毒性的QSAR研究

分别以文献的AM1、PM3、PM5和DFT方法计算的5种量子化学参数作为自变量,采用ε-支持向量机（ε-SVM）建立关于苯酚类化合物毒性A（pc）的定量构效关系（QSAR）模型,对50种苯酚类化合物的毒性做QSAR研究．研究结果表明,不论是对训练集的拟合及交叉验证结果还是对外部数据的预测结果,ε-SVM模型的相关系数平方、标准偏差及平均绝对误差都较文献的MLR模型具有更好的效果,泛化能力更强,表明ε-SVM用于建立关于苯酚类化合物毒性A的QSAR模型,较原文献采用的多元线性回归（MLR）模型更为有效．     

基于引力搜索算法的SVM参数优化及应用

为了提高支持向量机(SVM)模型的拟合精度和泛化能力,以最小化输出量的均方误差为目标,采用基于万有引力定律的优化机制,提出了一种基于引力搜索算法的SVM参数优化方法。通过仿真实验验证,基于引力搜索算法的SVM回归模型不但精度高且泛化能力强。将该方法应用于谷氨酸发酵过程的建模研究,仿真结果表明,该方法可以提高谷氨酸质量浓度的预测精度。     

人工神经网络用于苯砜基羧酸酯定量结构-活效关系研究

采用误差反传前向人工神经网络（artificial neural network,ANN）建立了56种苯砜基羧酸酯类化合物的结构与其对发光菌的急性毒性之间的定量关系模型（ANN模型）．以56种苯砜基羧酸酯类化合物的量子化学参数作为输入,急性毒性作为输出,所构建网络模型的交叉检验相关系数为0．9863、标准偏差为0．0753、残差绝对值≤O．20,应用于外部预测集,预测集相关系数为O．9880;而多元线性回归（multiple linear regression,MLR）法模型的相关系数为0．9472、标准偏差为0．1413、残差绝对值≤0．34．结果表明：ANN模型获得了比MLR模型更好的拟合效果．     

基于信息增益优化支持向量机模型的煤矿瓦斯爆炸风险预测

为了探索基于样本数据的煤矿瓦斯爆炸风险预测,依据本质安全理念构建了预测瓦斯爆炸风险的指标集,结合机器学习与特征优化算法提出了信息增益(information gain,IG)与支持向量机(support vector machine,SVM)的组合模型,通过对优化后的14种特征信息的分类学习,完成对风险未知样本的预测任务.以全国100家煤矿企业为研究对象,使用不同模型分别预测瓦斯爆炸风险并全面分析和比较,实验结果表明,经过IG优化后的SVM模型预测正确率达到了95.45％,相对于单一SVM模型提高了9.09％,同时高于其他预测模型,证明了该组合模型在瓦斯爆炸风险预测领域的优越性.     

一种基于SMOTE的不均衡样本KNN分类方法

针对在数据样本不均衡时,K近邻(K-nearest Neighbor,KNN)方法的预测结果会偏向样本数占优类的问题,本文提出了一种基于合成少数类过采样方法(SMOTE)的KNN不均衡样本分类优化方法(KSID)。该方法过程为:首先使用SMOTE方法将不均衡的训练集均衡化,并训练逻辑回归模型;然后使用逻辑回归模型对训练集进行预测,获取预测为正样本的数据,通过使用SMOTE方法均衡化该正样本,并训练KNN模型;最后把测试集放入该结合逻辑回归方法的KNN模型进行预测,得到最终的预测结果。围绕6个不均衡数据集,将KSID与逻辑回归、KNN和支持向量机(SVM)决策树等方法进行对比实验,结果表明,KSID方法在准确率、查全率、查准率、F1值这4个性能指标上均优于其他3种方法。通过引入SMOTE,KSID方法克服了KNN模型遇到样本不均衡数据集时,产生分类偏向的问题,为进一步研究KNN方法的优化和应用提供参考。     

短期电力负荷预测的小波支持向量机方法研究

在充分研究和比较多种负荷预测方法的基础上，提出一种称为小波支持向量机(Wavelet Support Vector Machines，WSVM)的负荷预测新算法．该方法是在研究支持向量机(SVM)核方法与小波框架理论的基础上，引入非线性小波基函数来构造SVM的核函数，从而得到新的SVM模型，并给出了此模型的结构设计与实现算法．通过实例验证，该方法能有效提高预测精度．     

沥青生产过程中软化点的SVR预测

根据30组不同电阻和温度下的沥青软化点的实测数据集,应用基于粒子群算法(PSO)寻优的支持向量回归(SVR)方法,并结合留一交叉验证(LOOCV)法对沥青软化点进行了建模和预测研究,将其预测结果与多元线性回归(MLR)模型的计算结果进行了比较。SVR-LOOCV预测的最大误差为2.1 ℃, 远比MLR模型计算的最大误差7.9 ℃要小得多。统计结果表明：基于SVR-LOOCV预测结果的均方根误差(RMSE=0.75 ℃)、平均绝对误差(MAE=0.32 ℃)和平均绝对百分误差(MAPE=0.28%)相应也比MLR回归模型的预测结果(RMSE=3.3 ℃,MAE=2.6 ℃和MAPE=2.34%)要小。因此,应用SVR实时预测沥青产品的软化点,可为生产优质沥青提供准确的科学指导。     

一种高精度的概率积分法参数预计方法

为使概率积分法参数预计具备更高的精度,在充分分析概率积分法参数与地质采矿条件间关系的前提下,整合遗传算法和BP神经网络的功能特性构建了一种新的网络模型,即NA(new approach)模型。该模型利用遗传算法的寻优能力获得网络最优输入自变量组合,并优化模型的权值和阈值。以中国45个典型的地表移动观测站数据作为训练和测试集,分别建立NA、BP网络和SVM模型,并将模型预测结果与实测数据做了对比分析。结果表明:对不同的概率积分法参数预计时,NA模型的预测精度都优于BP网络和SVM模型;且误差波动范围小、稳定性高。随预计参数的不同,BP网络和SVM模型预测精度各占优势,但两者预测效果相差甚微。     

有机磷农药的气相色谱保留值与定量结构性质相关研究

用分子电性距离矢量(MEDV)表征有机磷农药的分子结构,运用多元线性回归(MLR)技术和逐步回归(SR)一起统计检测筛选模型变量,建立26种有机磷农药的气相色谱(GC)保留指数(RI)与MEDV的定量关系模型.模型的相关系数R=0.931 1.留一法交互检验相关系数RLOO=0.854 4,SDLOO=3.296 2;外部样本的预测结果为:Qext=0.911 6.表明,所建模型稳定性和预测能力均良好,MEDV能较好地表征该类分子的结构特征.     

基于多元线性回归的渡槽变形预测模型研究

提出了一种基于多元线性回归的渡槽沉降变形健康监测模型,介绍了应用MLR建立变形预测模型的步骤,并与多元逐步回归(MSR)进行对比.针对预测样本数目的不同取值,研究其在实际工程中的预测能力.通过对浙江天台红旗渡槽的监测数据研究,验证了基于MLR的渡槽变形预测模型的预测精度满足工程要求,预测能力略优于MSR,且短期预测能力优于长期预测能力.因此,合理选择预报天数对于渡槽变形预测尤为重要.     

结构可靠度计算的自适应辅助域方法

提出了一种Metropolis算法与支持向量机(SVM)方法相结合的自适应辅助域方法.利用Metropolis算法生成目标失效域内的条件样本点,并以该过程中的备选点作为初始训练点训练SVM模型.根据训练得到的SVM模型再自适应地选择一部分样本点加入训练点集,并对SVM模型进行更新,直至满足迭代终止条件.以最终得到的SVM模型作为辅助失效域,计算近似失效概率和两个条件失效概率.对近似失效概率进行修正,使最终得到的目标失效概率渐进无偏且更加稳定.算例表明该算法具有较好的计算精度、效率和鲁棒性.     

氟化酚类化合物结构与生物毒性关系研究

根据非氢原子类型分类、基于非氢原子相对电负性和非氢原子间距离等进行计算得到的分子电性距离矢量(MEDV)为描述子,对16种氟化酚类化合物的结构进行了表征.运用多元线性回归(MLR)方法,研究并建立了氟化酚类化合物定量结构与生物毒性关系的5变量模型,其复相关系数(R)为0.914.上述模型对16种氟化酚类化合物毒性的预测值与实验值能较好吻合,留一法交互检验的复相关系数(RCV)为0.856.结果表明所建模型具有良好的稳定性和预测能力.