ε不敏感支持向量回归在化工数据建模中的应用

针对化工领域数据建模小样本、不适定性等问题 ,提出了一种用ε不敏感支持向量回归 (ε SVR)方法进行实际过程建模的想法 ,以解决人工神经网络等方法在数据建模中的“过拟合”、泛化性差等问题 .在分析ε SVR特性的基础上 ,用一个非线性函数逼近例子验证了ε SVR在小样本情况下比BP前馈神经网络具有更优良的建模能力 .将ε SVR应用到丙烯腈聚合反应过程质量指标软测量混合模型中 ,仿真和现场运行结果表明ε SVR是一种非常有效的化工数据建模方法 .     

基于SVR-BP算法的江苏省空气质量指数预测

针对江苏省空气质量指数(air quality index, AQI)的预测问题,提出一个将反向(back-propagation, BP)神经网络与ε-支持向量回归机(ε-support vector regression,ε-SVR)算法相结合的SVR-BP回归算法。对训练集采用ε-SVR进行样本筛选组成新的样本集,再采用BP神经网络进行预测。样本集选取的时间跨度为2 a,样本数据为江苏省共98个监测点空气中各成分的含量。分别采用SVR-BP算法、BP神经网络和ε-SVR算法在数据更新频度不同的3个模型下对未来72 h的AQI进行预测。实验结果表明:本研究提出的SVR-BP算法的平均绝对百分误差较ε-SVR算法提升了4%～19%;训练时间比BP神经网络少0.1～2.5 s。SVR-BP算法预测AQI更为高效,在实时训练及样本筛选方面有更广阔的研究前景。     

基于ε-支持向量机回归的快速公交到站时间预测

选择ε-支持向量机回归(ε-SVR)算法预测快速公交(BRT)车辆的到站时间,以提高公共交通的准点性.分别对BRT的停靠时间和路段行驶时间建立模型.根据分析,在停靠站时间预测建模过程中选取车头时距、时段、天气等7维特征向量作为模型输入,采用人工调查法,对厦门BRT-1路的数据进行采集,归一化处理后建模.仿真结果显示该模型能够比较准确地预测厦门BRT-1路的运行路线到站时间,并验证天气因素对该线路的到站时间预测影响最大.     

基于判别分析—SVR的民航客运量预测模型研究及应用

为了提高预测民航客运量的能力,考虑到民航客运量与其影响因素之间存在关联, 并利用训练样本与测试样本间的马氏距离对惩罚因子进行加权,改进传统的ε支持向量回归机(SVR),构造了基于进化ε-SVR的“影响因素民航客运量”预测模型.在选择适当的参数和核函数的基础上,对中国民航客运量进行仿真实验,与标准的ε-SVR方法、BP人工神经网络和线性回归方法进行了对比,发现该方法能获得较小的训练相对误差和测试相对误差.     

一种新型的基于灰色模型的动调陀螺随机漂移建模方法

为了减少动调陀螺仪(DTG)随机漂移的建模误差，提出了一种基于灰色理论的新型混合建模方法．此方法将小波分析理论引入到灰色模型中，旨在提高单变量一阶灰色模型GM(1，1)的建模能力．原始的DTG漂移数据首先经小波变换处理后，其冲击干扰噪声被抑制，然后用预处理后的漂移数据建立灰色模型，最后再施以小波逆变换．用实测的DTG漂移数据对此方法的有效性进行验证，结果表明该混合建模方法能够给出满意的建模特性．     

基于支持向量回归的热偶规校准曲线的生成及应用

在实际中发现热偶规测量真空度时,真空度与热偶规输出电压值对应的曲线非线性程度高,因此产生的测量误差较大.通过数据实验发现用ε-SVR及SMO(Sequential Minimal Optimization)算法拟合真空度-电压曲线能更接近实际曲线,满足了应用需要.     

基于支持向量机的CSTR系统建模

支持向量机算法用于软测量建模能较好地解决小样本、非线性、高维数、局部极值等问题．本文的研究重点在于支持向量机方法在化工过程中的应用。用支持向量机为CSTR系统建立模型,分析了模型参数对模型性能的影响,同时,通过两个参数在不同值之间两两组合比较所得的误差,最终得到误差最小的参数值,从而使模型能够自动调整参数到最优值。实验结果表明支持向量机方法是一种高效可行的化工过程建模方法,模型精确,泛化能力强,性能优良。     

化工数据预处理及其在建模中的应用

对化工数据预处理问题进行了研究,阐述了化工数据智能建模中辅助变量选择、数据采集、数据校正、输入数据降维等各种数据预处理的思路与方法。仿真实验表明:对数据进行有效的预处理,可以改善模型的精确度。     

利用数字化地形图构建三维地形模型

为了解决在多山地区地形三维建模过程中数据采集难度较大的问题,采用格网地形建模方法,充分利用该地区已有的数字化地形图,结合格网法地形建模的数据结构简单,数据存储量小等优点,研究提出了一种地形三维建模方法．并实现模型的可视化。研究结果表明:利用数字化地形图来替代传统的地形三维建模的数据获取方法,有助于快速、高效地构建多山地区的地形三维模型。     

具有数据丢失的网络控制系统的建模与控制

研究了具有数据丢失的网络控制系统的建模与控制问题．用两种方法将网络控制系统建模成随机系统,并给出了使网络控制系统均方渐近稳定的充分条件．利用线性矩阵不等式设计了相应的状态反馈控制器和输出反馈控制器．     

基于滚动时间窗的最小二乘支持向量机回归估计方法及仿真

提出了一种基于滚动时间窗的最小二乘支持向量机(LSSVM)回归估计方法．该方法构造了滚动时间窗，利用滚动时间窗内的数据优化建模．模型随着时间窗的滚动进行在线更新，并对滚动时间窗内的数据分配不同的权值以充分利用数据的信息．将基于滚动时间窗的LSSVM回归估计方法应用于软测量建模．进行轻柴油凝固点的预估．结果表明，该建模方法十分有效．     

基于Bayes分析的组合多神经网络函数逼近模型

讨论了复杂函数的多神经网络逼近模型的建立方法．针对映射网络泛化能力差以及结构难以确定等问题，提出了一种基于Ｂａｙｅｓ分析的组合多神经网络建模方法．仿真研究表明，这种建模方法提高了神经网络模型的逼近能力，并简化了建模过程     

一种基于带监督局部保持投影的多模型软测量建模方法

针对化工生产过程中软测量模型估计精度的问题,提出了一种基于多知识库挖掘理论的带监督的局部保持投影(SLPP)方法。该方法用SLPP算法对输入数据空间进行类与类之间的降维,得到不同的类别转换矩阵和不同的类别多知识库,最后融合支持向量机自适应地实现组合建模。仿真结果表明:该建模方法用于双酚A含量的软测量建模中,较传统多模型方法可以更加合理地加权得到子模型,提高了模型估计精度,具有更强的泛化能力。     

基于机器学习的钻孔数据隐式三维地质建模方法

针对基于钻孔数据的传统显式三维地质建模方法存在过程繁琐、模型质量难以保证等缺点,本文提出了一种基于机器学习的隐式三维地质建模方法,将地层三维建模问题转换为地下空间栅格单元的属性分类问题.分别基于支持向量机、BP神经网络等分类算法,实现了钻孔数据的自动三维地质建模.实际建模结果表明,对于有限、稀疏的钻孔数据,支持向量机方法建模准确率较高,建模效率、效果优于显式建模方法.最后通过敏感性分析研究了超参数对建模结果准确率、模型形态的影响,为可控的自动三维地质建模提供了一种新的解决思路.     

化工原理实验数据回归处理实用程序

本文介绍了用微机处理诸如：流体阻力、离心泵特性曲线测定、吸收、精馏、干燥及一 般数据拟合等化工原理实验数据的实用程序．提出了以线性回归取代非线性回归的可靠性，并以 传热实验为例表明该软件操作简单，易于掌握．     

非光滑非凸多目标规划的ε－最优性和ε－对偶

引进了多目标规划的ε－弱镇定性的概念，导出了非光滑非凸多目标最优化问题关于ε－最优性的几个必要和充分条件．研究了一种新的ε－向量Ｌａｇｒａｎｇｅ函数，并建立了相应的广义ε－鞍点定理，建立了非光滑非凸多目标规划的一个Ｗｏｌｆｅ型对偶问题，并导出了原问题与对偶问题之间关于ε－拟弱有效解的三个ε－对偶定理．     

应用MATLAB实现非线性电子器件建模

指出了非线性电子器件数学模型的建立是工程实践中常需要面对的问题，提出了一种利用MATLAB语言中的有关函数对非线性器件的测量数据进行处理，从而得到该器件的二维数学模型的方法．重点介绍了建模的实现步骤、算法，并给出了典型实例．     

内燃机缸内冷态湍流流动及传热的二维数值计算

阐述内燃机缸内冷态湍流流动和传热的一种二维数学模型，即用数值方法求解控制缸内气体流动和传热的一组偏微分方程组，得到缸内流场及温度场，进而求出壁面处温度的变化规律．计算是基于控制容积法，采用可在轴向伸缩变化的轴对称动坐标系．在压力较正方程和Ｋ－ε湍流模型中均考虑了流体的压缩性效应，旋流也作为因变量之一纳入了计算．对平顶及带凹坑的燃烧室的模拟计算结果与实验数据相吻合．     

基于视觉原理和Weber定律的径向基函数回归建模

提出了一种新的基于视觉原理和Weber定律的径向基函数(RBF)回归建模方法．与传统的RBF回归建模方法相比，该方法不但考虑了训练样本的数据结构，还充分利用了人眼很强的目标识别能力，从而能快速有效的建模．所做的大量仿真试验表明了本方法的有效性．该工作的意义在于从一个新的角度来审视RBF回归建模问题，并为之提出了一种新的思路．     

ORM数据库建模方法及其与传统方法的比较

介绍了数据库建模的几种方法，以某小型企业信息管理系统中采购业务为实例将传统的E-R建模方法与全新的ORM数据建模方法相比较，通过分析总结出在小型企业信息管理系统中采用ORM方法建模的优越性．