支持向量回归

摘要： 进水水质条件是研究和优化管理污水处理厂所需的关键要素,及时获取进水水质数据至关重要.针对污水厂关键性水质指标BOD5不易直接检测、滞后强的特点,分别采用BP神经网络(BP-ANN)、网格搜索算法(GS)优化支持向量回归(SVR)、粒子群算法(PSO)优化的SVR和遗传算法(GA)优化的SVR 4种方法,通过利用其他进水指标与进水BOD5的数学关系建立进水BOD5软测量模型,实现进水BOD5快速测定.并以黑龙江某污水厂为研究对象,比较4种机器学习模型的性能,找寻适合进水BOD5预测的软测量方法.结果表明,基于SVR的软测量模型预测结果优于基于BP-ANN的软测量模型,而且采用GA优化的SVR模型精度最高.为实现污水厂进水BOD5的实时监测和污水厂的便捷管理提供了参考依据.

摘要： 针对现有实验设计方法难以对复杂系统进行高效实验设计的问题,本文提出了一种基于变分自编码器的实验设计方法,首先利用实验历史记录数据训练变分自编码器将复杂的实验样本空间编码到一个较为简单的隐变量空间,然后在该隐变量空间里进行取样,最后通过解码器还原产生新的实验样本,完成实验设计.通过对比本文方法与数种基准实验设计方法的结果在拟合直航鱼雷命中模型时的表现情况,表明在取相同样本数的情况下,本文方法可以优化实验设计,提高实验效率.

摘要： 为提高行星齿轮箱健康评估准确性,提出一种基于图谱特征与度量学习的行星齿轮箱健康评估方法。从行星齿轮箱振动信号中提取图谱特征作为故障特征参数;设计基于单调性、相关性的度量学习准则,建立优化的马氏距离度量函数;采用待测样本与无故障正常样本之间的马氏距离表征故障严重程度,建立基于支持向量回归的健康评估模型。通过行星齿轮箱健康评估实验结果分析,证明了图谱特征能够有效表征行星齿轮箱故障严重程度,所建立的健康评估模型单调性好,提高了健康评估准确性。

摘要： 开关电源作为核电厂分布式控制系统(DCS)卡件的关键部分,其故障可能造成卡件的失效,甚至破坏核电厂的经济、可靠和安全运行。铝电解电容是开关电源最易受损的短寿命元器件之一。此处提出了一种基于链式支持向量回归(Chained-SVR)的铝电解电容老化预测方法,以实现对多个电容的同时预测。为验证该方法可行性,首先通过所设计的加速寿命试验(ALT)获取4组不同系列电容老化过程中等效串联电阻(ESR)和电容,以构建所需数据集;进而建立基于Chained-SVR的预测模型,以初始健康状态作为输入变量,实现对电容的老化预测。试验结果表明,Chained-SVR模型具有良好的泛化能力且对同系列电容老化预测表现出较高准确性。

摘要： 锂离子电池健康状态(SOH)的准确性影响电池的安全性和使用寿命.针对锂离子电池SOH估算问题,提出一种基于证据推理(ER)规则的布谷鸟搜索支持向量回归(CS-SVR)的SOH估算模型,并利用NASA Ames研究中心的锂离子电池数据集进行SOH估算试验.该方法以电池放电循环的平均放电电压和平均放电温度为模型输入,利用ER规则进行推理,得到输入数据的融合信度矩阵.将该矩阵输入CS算法优化的SVR模型得到电池SOH估算结果.结果表明,与5种估算效果较好的现有模型相比,基于ER规则的CS-SVR模型具有更良好的估算性能.

摘要： 考虑到新冠病毒传播特点,本文提出了一种基于奇异谱分析(SSA)的万有引力搜索和粒子群联合算法(PSO-GSA)优化的支持向量回归(SVR)预测模型.首先,采用SSA算法对全球各个区域(非洲区域、美洲区域、东南亚区域、欧洲区域、东地中海区域、西太平洋区域)每周新增确诊及死亡病例的实时监测数据进行降噪处理,基于重构序列建立SVR模型;其次,分别引入PSO和GSA算法优化SVR模型的参数,建立更为精准的预测模型(PSO-SVR和GSA-SVR);最后结合两种算法的优点,构建了一种PSO-GSA联合算法,建立了SSA-PSO-GSA-SVR预测模型,并将以上模型应用于全球新冠肺炎疫情趋势预测.实验结果显示:对比其他文献中提出的PSO-SVR和GSA-SVR预测模型,基于SSA-PSO-GSA-SVR预测模型的预测评价指标MAPE的值最低,预测效果最优,表明该模型可以为COVID-19发展趋势提供科学依据.

摘要： 支持向量机在数据挖掘中有良好表现并成功应用于诸多领域,但是其超参数对模型精度影响显著。为了获得更好的回归预测结果,本文使用网格搜索算法进行超参数优化,通过比较三种评价指标和可视化对比实验,最后获得具有较小误差的支持向量回归机,同时为支持向量机的超参数优化问题提供参考。

摘要： 精准的燃气负荷预测对于储气调峰和城镇燃气管道的规划建设有着重要的意义,本文采用支持向量回归(SVR)对城镇燃气短期负荷进行预测,针对SVR中参数选择比较敏感的问题,利用麻雀搜索算法(SSA)对SVR的参数进行优化,使用优化后的模型对燃气负荷数据规律进行学习,建立了SSA-SVR的燃气短期负荷预测模型。为验证模型的泛化能力,对模型进行仿真预测,同时使用网格搜索算法优化的SVR模型(GS-SVR)、粒子群算法优化的SVR模型(PSO-SVR)作为对比,仿真结果表明:本文提出模型预测结果的平均绝对百分比误差为0.0482,模型收敛速度为73.60 s,相较于GS-SVR和PSO-SVR,在模型运行速度和预测精度上有所提高。

摘要： 为了增加实现井田煤层三维模型的数据点,得到更为真实的井田煤层图形,提出了基于改进的克里金插值算法的煤层高程估算模型。利用钻孔数据和高程数据计算实验变差函数值和步长,根据步长分组计算得到组内平均半方差,采用支持向量回归对变差函数进行拟合,避免了常规克里金对变差函数选择的局限性;在支持向量回归参数的求解中,采用可修改变异方向的差分进化算法对其进行优化,求出支持向量回归最优参数,得出最优理论变差函数;构建了基于支持向量回归的克里金高程估算模型,并与其他优化算法构建的克里金估算模型在同一数据集上进行实验对比,实验结果表明,基于改进支持向量回归优化的克里金估算模型的估算精度更高,建立的某井田煤层三维图形能够更为真实地反映井田煤层的分布情况。

摘要： 针对采用标准预测含缺陷管道剩余强度误差较大这一问题,在Matlab中建立基于SVR的含缺陷管道剩余强度预测模型,并基于60组含缺陷管道爆破试验数据进行训练测试,以验证模型的实际性能。结果表明:SVR模型预测测试集结果的最小相对误差为0.55%,最大相对误差为10.35%,平均相对误差为2.63%,预测结果的R^(2)高达0.9901,验证了SVR模型的准确性和鲁棒性,研究结果可为管道运行调度及检维修提供决策支持。

摘要： 针对热连扎生产线这样的大型、复杂的生产装备,构建了一个基于支持向量回归的无量纲参数智能故障预测系统.目前利用支持向量机的预测模型大都是基于单输入特征量计算的,本文通过对已有的热连轧生产线在线监测信息进行无量纲统计分析,提出了利用支持向量回归技术对多个特征量进行并行预测,并对各类特征及其各预测步骤的剩余使用寿命预测结果进行趋势分析,通过置信区间估计来确定最终预测结果,为管理者制定较为精确的维修决策提供可靠依据.

摘要： 随着社会的快速发展,无论是在国防领域还是在日常生活各个方面中,导航技术都有着越来越重要的意义.在室外环境中,定位导航技术日渐成熟,近年来,随着智慧城市建设的不断推进,在一些人口密集的商场、停车场等室内公共场所,基于位置信息服务的位置导航、环境感知和对人或物的实时监控的需求不断增加,高精度的室内定位技术也因此成为研究热点.针对现有的室内定位方法存在高成本、低精度、鲁棒性低等问题.一些学者尝试将机器学习引入室内指纹定位中,机器学习作为一种数据分析的智能工具,具有强大的自学习能力,通过机器学习的思想解决上述问题,能够提高室内定位精度、增强系统鲁棒性,同时降低成本,提高室内定位方法的性能.本文首先详细综述了基于K-最近邻、支持向量回归、随机森林、卷积神经网络、循环神经网络五种机器学习方法在室内定位中的应用,然后分析了这些方法的应用到室内定位研究中的优缺点,总结了基于机器学习的室内定位方法面临的困难与挑战,最后展望了基于机器学习的室内定位方法未来的一些发展方向.

摘要： 短时交通流预测是实施智能交通控制的基础和保障.针对目前短时交通流预测方法拟合交通数据的能力较弱以及过分依赖历史数据的不足,提出一种基于深度学习回归机的短时交通流预测方法.首先构建深度学习回归机算法模型,包括受限玻尔兹曼机的显层节点输入端、受限玻尔兹曼机的若干中间层以及径向基支持向量回归机输出端.通过实验将深度学习回归机预测方法与其他典型的短时交通流预测算法进行比较表明,在相同的数据和计算平台下,本文提出的深度学习回归机预测方法精度更高,且预测实时性也能满足实际的需求.

摘要： 随着新的智能方法不断发展,故障预测技术已开始成为电子装备保障的重要研究领域.在总结了几种现代比较常见的故障预测方法的基础上,介绍了支持向量回归算法,并提出智能遗传算法用来对支持向量回归模型的参数进行优化选取,避免了参数的盲目设置,将建立起来的模型应用于某型号电子装备故障预测.最后,以一组装备状态监测的数据对预测模型进行训练和验证,实验结果表明支持向量回归模型能有效的对电子装备故障进行预测.

摘要： 多径误差对GNSS服务质量一直有着不可忽视的影响,尤其在高精度应用领域.北斗GEO卫星与传统MEO卫星之间的轨道差异,使得GEO卫星的多径呈现出与MEO卫星的多径不同的特点,这导致采用传统的方法对GEO卫星进行多径抑制效果不佳.对于固定观测站,在接收机周围环境保持不变的条件下,多径可看作是卫星与接收机之间几何结构的函数,因此,可以将多径估计看作一个回归问题.主要针对码多径,溯源其几何成因,采用SVR(支持向量回归)方法,建立北斗GEO卫星多径与星站几何变化率的回归估计模型,其多径抑制效果在残余误差NRMS上,对于北斗B1、B2、B3频点分别减小到74％、51％、47％.

摘要： 信息产品在这网络信息爆炸的年代已成为普及的商品,也因产品的迅速更新与消费者需求的快速变化,导致如何建构精准的信息产品销售预测模型成为重要的课题.点预测为过去最常使用的预测方法,但随着科技的迅速演进,点预测已经无法满足企业在管理上的需求,故区间预测也开始受到各企业界的重视与应用,但区间预测极少应用在销售预测中.本研究使用支持向量回归(Support veotor regression,SVR)进行信息产品区间销售预测的研究,主要目的是以目前文献上常见的中心及半径法、上下界限法预测模型来进行区间预测.本研究以台湾某信息公司的笔记型计算机与液晶显示器的周销售额作为实证资料.结果显示,使用机器学习法的SVR相对于传统的回归分析与天真预测法有最佳的预测绩效.

摘要： 利用飞参数据进行发动机的状态监控,是当前飞参数据应用研究的热点问题.本文采用支持向量回归方法,建立空中飞行阶段发动机的工作模型,通过监控模型输出误差判断发动机工作是否正常.文中建立的模型正确反映了发动机各参数间的关系,适用性强,为发动机的状态监控提供了一种有效手段.

摘要： 针对含有不确定非线性扰动项的一类非线性系统，结合支持向量回归理论，采用Backstepping控制方法设计自适应非线性控制器。在分析满足Backstepping设计条件的一类非线性系统结构形式的基础上，应用支持向量回归辨识并补偿系统不确定项及未知扰动，基于Lyapunov稳定性理论，选取Lyapunov函数，证明闭环系统最终一致有界，且跟踪误差指数收敛。通过对典型系统仿真分析表明，相比于径向基神经网络自适应Backstepping控制方案，支持向量回归因其内部参数由训练优化产生，不依赖先验经验及外界干预，适应性较好，对参考指令信号跟踪收敛快，稳态误差小，控制方案有效，且系统具有一定鲁棒性。

摘要： 如何将一个视频的内容以简洁直观、符合人眼视觉观察特性,并以视频缩略图的方式呈现给用户,直接决定了其在搜索浏览感兴趣视频时的用户体验.本文针对这一问题,一方面在图像显著性分析的基础上提出了一种新的图像内容易获取性特征,并利用支持向量回归的方法训练出一个图像内容易获取性评价模型.另一方面,为了保证所推荐视频缩略图的内容具有代表性,本文还采用了一种基于互增强的代表性排序方法.最后通过线性加权将视频关键帧的易获取性得分和代表性得分融合来获得最终的视频内容缩略图.实验结果表明,本文提出方法筛选出的推荐缩略图和网站上的人工标注结果基本一致,这充分说明本文的方法能够满足用户这种需求.

摘要： 为了及时跟踪非线性化工过程的时变特性，提出即时递推核学习的在线辨识方法。针对待预测的新样本点，采用即时学习策略，通过构造累积相似度因子，选择与其相似的样本集建立核学习辨识模型。为避免传统即时学习对每个待预测点都重新建模的繁琐，利用两个临近时刻相似样本集的异同点，采用递推方法有效添加新样本，并删减旧样本，以快速建立新即时模型。通过一时变连续搅拌釜式反应过程的在线辨识，表明了所提出方法在保证计算效率的同时，较传统递推核学习方法提高了辨识的准确程度，能更好的辨识时变过程。

摘要： 本发明涉及一种基于支持向量回归的配电网三相潮流线性化方法，属于配电网技术领域。该方法包括数据驱动的三相线性化潮流建模、支持向量回归、基于支持向量回归的三相潮流线性化和在线三相潮流线性化计算四大步骤。本发明采用数据驱动的方法，以支持向量回归为基础，对配电网潮流进行线性化近似，从而获得准确高效的电力系统潮流线性化模型。在线潮流计算只需要利用训练得到的三相潮流线性化模型进行潮流计算，在进行潮流计算时不需要进行矩阵求逆计算，潮流计算效率高，可以广泛应用于电力系统分析，从而获得高效准确的潮流分析结果。

摘要： 本发明涉及一种基于词向量加权平均、支持向量回归和用户点击偏好的搜索推荐方法。其发明内容主要包括(1)提出一种基于搜索前缀语义相关性和用户点击偏好的搜索推荐模型；(2)提出一种基于支持向量回归的搜索前缀文本嵌入和内容文本嵌入的语义相关性计算方法；(3)提出一种基于迁移学习和用户点击偏好和的权重修正方法。

摘要： 本发明涉及一种基于自回归积分滑动平均与支持向量回归的降雨量预测方法，属于气象数据分析方法技术领域。本发明收集降雨量数据并生成降雨量数据库；获取降雨数据库中数据，并将每日降雨量数据转换为时间序列；然后将生成的时间序列导入自回归积分滑动平均模型中进行计算分析；同时利用遗传算法寻找支持向量回归模型的最优参数；再将生成的计算分析结果和生成的最优参数导入到支持向量回归模型中进行计算分析；最后根据计算分析结果，得到降雨量的预测结果。本发明使用自回归积分滑动平均模型以及支持向量回归模型对降雨数据进行处理，从而得到提高了降雨预测的准确性。

摘要： 本发明公开了基于记忆多项式的支持向量回归的DPA建模方法，根据多管GaN Doherty功率放大器的强非线性和记忆效应，在已有的支持向量机基础上，输入项加入了记忆多项式模型{xi(n)*|xi(n)|}，{xi(n)*|xi(n)|2}，增加了输入数据与输出数据的联系，提升了多管GaN Doherty功率放大器行为模型输出的精确率，实现了高精度的多管GaN Doherty模型建立。解决了非线性强的多管GaN Doherty功率放大器建模难的问题，提高了建模精度。

摘要： 本发明涉及一种基于特征加权支持向量回归的股指预测方法、装置及介质，方法包括：利用训练好的支持向量机模型对股票指数进行动态预测；支持向量机模型的训练过程包括以下步骤：采集某一交易日的股票指数以及该交易日前的若干个交易日的技术指标数据集，构成训练集，技术指标数据集包括若干项技术指标数据；2)对训练集进行归一化处理；通过因子模型筛选算法从若干项技术指标数据中筛选出若干项参考技术指标数据，并构建表征各项参考技术指标数据的权重的特征权重矩阵；利用特征权重矩阵对支持向量机模型的核函数映射过程进行加权。与现有技术相比，本发明具有精度高、鲁棒性高、自动化、节约人力资源等优点。

摘要： 本发明公开一种基于支持向量回归和t检验的机床加工能效建模系统及方法，包括：机床加工能效数据采集和预处理模块，该模块实现机床加工能效数据获取、机床加工能效建模特征向量构建以及能效影响因子数据归一化处理；机床加工能效模型构建模块，该模块完成机床加工能效指标定义，并实现机床加工能效模型训练及预检测；机床加工能效模型准确性评估模块，该模块实现机床加工能效模型准确性判断与模型再训练，达到更新模型的目的。本发明能够提升机床能效建模方法对不同类型、不同型号机床的通用性，并提升了模型对机床加工能效的预测准确性。

摘要： 一种用于建立经训练的健康状态(SOH)估计模型的计算机实现方法，该方法包括以下步骤：采集第一SOH下的训练电池在充电循环期间在预定电压范围内的电压容量(QV)数据；至少基于所采集的QV数据来获得递增容量(IC)数据；从IC数据提取ICA面积和ICA峰；将所提取的ICA面积和ICA峰输入到ICA数据库中；针对一个或更多个附加SOH下的训练电池重复采集过程、获得过程、提取过程以及输入过程；以及通过至少基于ICA数据库使用支持向量回归对基础SOH估计模型进行训练和测试，来建立经训练的SOH估计模型；其中，经训练的SOH估计模型被配置为由电池管理系统用来监测电池的健康。

摘要： 本发明涉及一种基于支持向量回归模型的冷水机组故障诊断方法，确定冷水机组故障类型；确定冷水机组故障的敏感特征参数和故障诊断规则；使用冷水机组的运行数据训练各个敏感特征参数的支持向量回归模型，所述支持向量回归模型需选取的参数通过狼群算法获得；确定各个敏感特征参数的故障阈值；利用支持向量回归模型预测当前各个敏感特征参数值，根据敏感参数值和故障阈值，判断冷水机组故障。本发明能够有效提高故障诊断预测精度和准确率。

摘要： 本发明公开了一种基于长短期记忆神经网络和支持向量回归组合模型的行业中长期负荷预测方法，本发明方法为：首先，基于皮尔逊相关系数分析行业中长期负荷影响因素与行业负荷的关联程度，提取行业中长期负荷预测的关键影响因素。其次，分别构建考虑负荷时序变化特性的长短期记忆神经网络预测模型和考虑负荷非线性特征的支持向量回归预测模型。然后，基于最优组合预测算法，构建基于长短期记忆神经网络和支持向量回归的考虑负荷综合特征的组合预测模型，对行业中长期负荷进行预测。本发明基于最优组合预测算法，综合考虑长短期记忆神经网络和支持向量回归预测模型的特征与优势，相比于单一预测方法，有效提高了行业中长期负荷预测的精度。

摘要： 本发明公开了一种基于K‑means和支持向量回归的电力用户分类方法、装置及系统，所述方法包括获取历史负荷数据；选用K‑means方法对所述历史负荷数据进行聚类，其中，聚类类别数通过轮廓系数法确定，聚类中心通过层次聚类法确定；利用聚类结果训练获得支持向量回归模型；将获得的实时负荷数据输入至所述支持向量回归模型，获得电力用户分类。本发明能够有效提高K‑means的聚类效果，减少聚类所用的时间和复杂度。