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．     

利用支持向量机预测生物膜蛋白类型

利用统计学习理论中的支持向量机(SVM)，基于氨基酸组分含量预测生物膜蛋白类型。使用文献中2059个训练集和2625个检验集膜蛋白序列数据，运用统计预测中的校准检验，留一法交叉检验和独立数据集检验方法进行分类预测。结果表明，SVM对膜蛋白类型预测具有明显的优越性，该算法对当前已有方法起到重要的补充作用。     

龙牙楤木组织培养与不定芽再生植株

以龙牙楤木Aralia elate(Miq.)Seem的幼嫩茎、叶为外植体，在含有0．5mg／LNAA 0．5mg／LBA培养基上分别添加0．5mg／12，4-D、2mg／12,4-D时，茎、叶外植体出愈率最高,愈伤组织转入MA (1-3)mg／LBA (0-0．5)mg／LN从后，形成了密布白色霜块状、绿色瘤状和黄褐色颗粒状三种类型的愈伤组织,其中，白色霜状愈伤组织在适宜的条件下可产生不定芽,生根培养基为1／2MA无激素培养基。     

餐饮废油制生物柴油的排放特性

研究利用餐饮业废油脂制造生物柴油的方法.通过对比实验,研究增压柴油机燃烧餐饮废油制生物柴油和普通柴油对发动机动力性、经济性和排放特性的影响.研究结果表明:对于实验发动机,在油泵最大喷油量保持不变时,直接燃烧餐饮废油制生物柴油对柴油机动力性的影响小于2.5%;无论在全负荷还是部分负荷工况下,燃用餐饮废油均能大幅度降低柴油机的排气烟度、PT、CO和HC排放量,但是会引起NOx的排放量上升.     

香根草愈伤组织的诱导和快速繁殖

为了寻找大批量快速繁殖香根草的有效办法,以香根草的茎段、茎节为实验材料进行愈伤组织的诱导和快速繁殖的实验.用不同浓度的6-BA、IAA、2,4-D对其不同的外植体进行试验.结果表明:在愈伤组织诱导实验中,MS培养基附加6-BA 0.5mg/L 2,4-D 2.0mg/L的激素组合对茎段愈伤组织诱导效果最佳;将产生的愈伤组织团转入分化培养基中,诱导不定芽,其最适分化培养基为MS附加6-BA 3.5mg/L IAA 0.2mg/L;再生苗在MS培养基附加6-BA 3.0mg/L IAA 0.5mg/L的培养基上,进行生根培养效果较好.可见,茎段和茎节均可作为外植体.考虑到茎段数量较大,易取材,且效果明显优于茎节,认为茎段是香根草组培快繁的理想外植体.     

利用支撑向量机预报大气污染物浓度

针对污染物浓度序列具有强非线性和显著长程相关性的特点,结合相空间重构和支撑向量机(SVM)构建了一个多步预报的递归模型.对理想混沌序列和多种污染物浓度资料的实验结果表明,模型预报的准确率和效率均显著优于人工神经网络.这种通用建模方法的优势在于对系统非线性机制的反馈十分清晰,充分发挥了SVM适用于小样本问题、映射能力强、全局最优等特点,对非线性时间序列预报适用的其他领域同样具有启发意义.     

科技创造财富成功连着你我

CZJ自磨型超微粉碎机 无模多点成形压力机 便携式全光纤荧光计的开发与应用 硅藻土静电提纯与应用技术 富镁铝镁尖晶石生产工艺 病毒康及其应用 微生物农药“百抗”的生产及应用技术 多功能揉草粉碎机 残膜回收机的应用 一次性可回收塑料滴灌带的应用 利用植物再生沙障治理高大流动沙丘技术 智能化农业专家系统 地下水限量开采无线自控系统 便携式全光纤荧光计的开发与应用 硅藻土静电提纯与应用技术 富镁铝镁尖晶石生产工艺 病毒康及其应用 微生物农药“百抗”的生产及应用技术 多功能揉草粉碎机 残膜回收机的应用 一次性可回收塑料滴灌带的应用     

基于LS-SVM的燃料电池控制建模的研究

由于直接甲醇燃料电池数学模型的复杂性难以满足工程上对DMFC控制系统的设计，提出一种基于最小二乘支持向量机建模算法，用具有RBF核函数的LS-SVM离线建立DMFC电堆的非线性模型；仿真和实验结果表明了该建模方法具有建模简单、模型精度高等优点，亦证明了该算法的有效性和优越性。研究结果对直接甲醇燃料电池控制系统的建模和控制具有一定的实用价值。     

广义支持向量机优化问题的极大熵方法

依据最优化理论中的KKT互补条件建立了广义支持向量机的无约束优化模型,并给出了一种有效的光滑化近似解法极大熵方法,为求解支持向量机优化问题提供了一种新途径.该方法特别易于计算机实现,理论分析和数值实验结果表明了模型和算法的可行性和有效性.     

基于SVM和EMD 包络谱的滚动轴承故障诊断方法

针对滚动轴承故障振动信号的调制特征和传统包络分析法的缺陷以及现实中难以获得大量典型故障样本的实际情况,提出了一种基于支持向量机(Support Vector Machine,简称SVM)和经验模态分解(Empirical Mode Decomposition,简称EMD)包络谱的滚动轴承故障诊断方法.该方法首先对原始信号进行经验模态分解,将其分解为多个固有模态函数(Intrinsic Mode Function,简称IMF)之和,然后求出包含主要故障信息的若干个IMF分量的包络谱,最后定义包络谱中各种故障特征频率处的幅值比为特征幅值比,将其作为故障特征向量,并以此作为SVM分类器的输入参数来区分滚动轴承的工作状态和故障类型.实验分析结果表明了该方法的有效性.