支持向量机回归

摘要： 针对现有风速预测精度不高等问题,选择一种组合核函数的支持向量机回归模型(SVR),根据粒子的适应度动态自适应地调节算法中惯性权重取值的改进粒子群优化算法优化模型参数,建立基于改进PSO-SVR的短期风速预测模型,通过实例研究验证该方法的有效性与实用性。

摘要： 为能及时监测和评估东北大面积的玉米出苗情况,估算苗株数,依据低空无人机(unmanned aerial vehicle,UAV)遥感影像为玉米苗株数的快速估算提供有效支持。研究基于UAV多光谱数据,通过对比ExG,GBDI,ExG-ExR,NGRDI,GLI等颜色指数分割玉米与土壤背景,借助OTSU算法确定最佳阈值,选定最佳颜色指数ExG。优化出最佳形态学特征参数的组合:面积A、周长B、矩形长D、矩形周长G、椭圆长轴长度H、形状因子Q。借助支持向量机回归(support vector regression,SVR)模型,预测出玉米苗株数,评价精度,并估算和绘制了局地玉米苗株数的空间分布图。该SVR模型测试的精度达到96.54%,统计误差为0.6%。研究成果能够在短时间内迅速、快捷、准确地预测玉米苗株数和长势趋势。

摘要： 针对神经网络算法和支持向量机算法在膛线加工切削力预测过程存在的问题,基于粒子群优化法对支持向量机回归算法进行了改进。将实验得出的切削参数、切削力等数据输入到该算法模型中,训练得出最佳预测模型,进而用该模型进行切削力预测。经误差检验表明,该改进型算法的预测精度提升85%以上。

摘要： 分时电价是需求侧管理的一项重要手段,通过价格信号引导用户改变用电行为,实现削峰填谷。提出了一种分时电价定价及求解方法。首先以负荷曲标准差最小为目标,以用户利益、电价成本和多时段需求响应为约束条件,建立分时电价优化模型;然后采用基于支持向量机回归的改进粒子群算法进行求解,得到最优的分时电价;最后,以某工业园区实际算例验证所提方法的有效性。结果显示,提出的分时电价定价方法实现了削峰填谷,同时促进了用户侧经济性,实现了良好的需求响应效果。

摘要： 目前高速公路拥堵状况发生频率越来越高,为给驾驶者提供便利的出行路径,减缓道路交通拥堵状态,以流量统计为基础,设计了基于改进遗传算法的高速公路交通拥堵状况预测模型。利用固定与移动检测技术采集流量、密度以及速度等宏观交通流量数据,针对冗余数据、缺失数据以及错误数据等异常类参数,采取不同的识别与处理方法,得到有效且完整的流量数据;利用反向传播神经网络与支持向量机回归网络改进遗传算法,建立两个子预测模型;通过加权处理两个模型权重构建混合预测模型,根据子预测模型拥堵预测偏差,结合最优权值组合策略修正混合预测模型的权值系数。实验结果表明,设计模型能划分目标高速公路的交通拥堵状况等级,可依据流量、速度以及占有率等数据预测拥堵状况,且模型预测精度较高,具有理想的预测有效性与准确性。

摘要： 健康状态(state of health,SOH)是评估锂离子电池老化程度和剩余使用寿命的重要指标。然而,SOH无法通过直接测量获得,本工作提出了一种基于时间规整图(time warp profile,TWP)提取间接健康特征参数,使用支持向量机回归(vector machine regression,SVR)模型估计SOH的方法。首先,通过TWP将锂离子电池不同循环充放电压曲线转换为相位差异曲线。然后,从相位差异曲线中提取出4个间接健康特征。接着,采用线性核函数的SVR模型估计SOH。最后,以美国航空航天局(National Aeronautics and Space Administration,NASA)、美国保险商实验室公司和普渡大学(Underwriters Laboratories Inc.-Purdue University,UL-PUR)的开源数据集和储能电站实测数据进行验证。其中,储能电站数据实验结果表明,TWP-SVR模型的均方根误差(root mean square error,RMSE)、平均绝对误差(mean absolute error,MAE)的样本标准差(sample standard deviation,SSD)小于0.0015,四分位距(inter-quartile range,IQR)小于0.0022;平均绝对百分比误差(mean absolute percentage error,MAPE)的SSD和IQR分别为0.0152和0.0220,表明所提TWP-SVR方法保持较高准确性的同时具有良好的稳定性。

摘要： 为了提高生产镀锌板的锌锭需求预测精度,提出了一种基于改进灰狼(Improved Grey Wolf Optimization,IGWO)优化算法的支持向量机回归(Support Vector Regression,SVR)的锌耗预测建模方法。针对传统灰狼优化算法收敛快、易早熟的缺陷,首先采用混沌Tent映射策略初始化种群,增强种群的多样性和分布均匀性;其次引入控制参数的自适应调整策略,以平衡算法的搜索能力和开发能力;最后在位置更新过程中融合差分进化,降低算法误收敛的可能性。采用典型基准测试函数进行仿真实验,结果表明IGWO算法的综合性能优越,寻优能力更佳。基于某钢厂某机组的生产实际数据对锌锭消耗量进行建模预测,利用IGWO算法对SVR进行参数优化(IGWO-SVR),实验结果表明,IGWO-SVR具有更高的预测精度、更好的稳定性和更优的泛化能力。

摘要： 针对大多数情况下Wi-Fi探针采集到Wi-Fi设备的RSSI序列存在缺失的问题,采用SVR的预测方法对RSSI序列的缺失值进行预测。首先,建立基于SVR的缺失数据预测模型。然后从含有缺失值的数据中提取出连续两个时刻被Wi-Fi探针采集到的RSSI序列,分别作为模型输入和输出。最后利用多个含有缺失值的终端设备数据,将基于SVR预测方法与传统的均值预测方法以及基于BP神经网络预测方法进行缺失数据预测并分析对比。实验结果表明,基于SVR方法得到的RMSE、MAPE、MAE均小于均值预测方法以及BP神经网络的预测方法。同时利用一个终端设备的完整RSSI序列对基于SVR预测方法的性能进行验证,其均方根误差为0.761 5,平均绝对百分比误差为1.21%以及平均绝对误差为0.610 3。因此,在RSSI序列缺失数据预测中,基于SVR的预测方法结果误差小,整体准确度高,可以实现对RSSI缺失序列的有效预测。

摘要： 地震应急是为了减轻地震灾害而采取的异于正常工作程序的紧急防灾和抢险行动。传统的震后应急决策主要依据应急条例标准以及决策者的经验,导致出队决策可能并非最优方案。随着数据挖掘和人工智能技术的发展,目前多种推荐算法在决策推荐领域正在被广泛的应用,对应急成员的基本情况按工龄、集合时间、应急次数3个属性进行分析,利用遗传算法全局最优收敛的特性,通过对支持向量机的3个属性参数进行寻优推荐,得到最优地震应急出队成员。

摘要： 我国当前主要能源仍是煤炭资源,煤质快速检测有利于其清洁高效利用。激光诱导击穿光谱(Laser-Induced Breakdown Spectroscopy,LIBS)作为一种快速光谱检测技术,具有样品需求量小、制样简便、可多元素同时测量等优点,其在煤质快速检测中的应用潜力已得到广泛认可。因此,综述了激光诱导击穿光谱仪器(实验室台式、在线式和便携式)的研发现状、激光诱导击穿光谱对煤质样品中金属元素、非金属元素和工业指标的检测现状、煤质分析性能提升方法,以及激光诱导击穿光谱定量分析模型研究等方面的研究进展和近几年LIBS技术在煤质检测中的应用现状并提出了未来展望。

摘要： 采用南京工业区2016年5月20日～8月15日这一高臭氧(O3)期的O3、O3前体物和常规气象资料数据,利用支持向量机回归(SVMr)方法分别预报O3的小时值、日最大值和最大8小时滑动平均值.结果表明,O3小时值预报的相关系数(R2)为0.91,均方误差(MSE)、平均绝对差值(MAE)和平均绝对百分误差(MAPE)分别为0.05×10-1、3.73和27.54,O3前期浓度、紫外B波段辐射(UVB)和预报时刻前一小时的NO、NO2、氮氧化物(NOx)浓度是关键因子.对于O3日最大值和最大8小时滑动平均值,预报值与观测值间的浓度差分别不超过15×10-9和10×10-9,晴天的预报结果好于降水日,影响两者预报的重要因子是相对湿度和烷烃.

摘要： 采用南京工业区2016年5月20日~8月15日这一高臭氧(O3)期的O3、O3前体物和常规气象资料数据,利用支持向量机回归(SVMr)方法分别预报O3的小时值、日最大值和最大8小时滑动平均值.结果表明,O3小时值预报的相关系数(R2)为0.91,均方误差(MSE)、平均绝对差值(MAE)和平均绝对百分误差(MAPE)分别为0.05×10-1、3.73和27.54,O3前期浓度、紫外B波段辐射(UVB)和预报时刻前一小时的NO、NO2、氮氧化物(NOx)浓度是关键因子.对于O3日最大值和最大8小时滑动平均值,预报值与观测值间的浓度差分别不超过15×10-9和10×10-9,晴天的预报结果好于降水日,影响两者预报的重要因子是相对湿度和烷烃.

摘要： 针对WLAN室内定位系统接收信号强度的非线性、非高斯统计特性，提出一种支持向量机回归算法。利用该算法学习接收信号强度与物理位置的统计相关特性，精确构建出接收信号强度与物理位置的非线性映射关系。在典型的办公室环境下，比较了几种传统算法：最大似然法、加权最近邻法和人工神经网络法的定位精度。实验结果表明，支持向量机回归算法以较低的算法复杂度，取得明显高于其它算法的定位精度，且所需的参考点采样样本数目大大减少，有效降低了离线阶段数据采集的工作量。

摘要： 本文研究了基于支持向量机回归算法的故障定量诊断问题,首先利用观测器得到系统的残差以及残差的变化率,然后以此为输入,利用支持向量机回归算法得到系统的故障程度的估计值,实现故障的定量诊断.并采用支持向量机回归集合的方法提高了支持向量机回归解决不确定性问题的性能.通过仿真验证了这种方法的可行性.

摘要： 本文给出了应用支持向量机回归和径向基函数网络求解不规则边界边值问题的算法。两种方法协同使用:不包含可调参数的支持向量机回归作为基本的逼近元,它部分影响边界条件;径向基函数网络用来精确的满足边界条件；用这种方法求解了一个二维的偏微分方程边值问题并且得到了较好的逼近解。

摘要： 为探究恒温动物温度变化规律,建立动物体温模型,持续监测动物体表温度,并对温度数据进行分析.首先对原始测量数据进行滤波去噪,其次使用神经网络(NN)和支持向量机回归(SVR)进行温度预测,最后使用SVM分类器进行初步的动物热型曲线探测.为了探究动物温度变化的内在规律，建立动物温度模型，利用体温连续监测物联网系统和设备，我们在南京天邦和江苏省农业科学院兽医研究所实验动物房持续监测实验动物体表温度，取得大量体温数据，并在此基础上开展动物体温模型相关研究。我们将从数据采集与预处理、数据回归模型和热型曲线探测等三个方面对工作进行介绍。

摘要： 针对标准支持向量机处理大规模数据集会出现训练速度慢、计算量大的缺点,提出了一种基于二叉树模型的支持向量机回归方法.通过二叉树模型将大样本数据集自适应分解成若干个子集,利用支持向量机分段提出支持向量,再把这些支持向量汇合成一个训练样本集进行训练产生决策函数,并将其应用到混沌时间序列的预测.与标准算法相比,该方法在保证泛化精度一致的前提下,极大地加快了训练速度.

摘要： 本文针对PAT子系统中粗瞄控制系统的故障诊断问题进行了研究,利用SVM回归方法对系统进行在线建模,将模型预测输出与实际输出相比较形成残差,根据残差信息对故障进行检测,并根据全局检测模型与局部元件模型相结合的诊断策略,实现了故障的隔离与定位.

摘要： 研究基于统计学习理论的支持向量机(SVM)回归在汛期早涝预测中的应用。根据浙江省38个测站的降水量资料，用正态化Z指数对汛期早涝等级进行划分，得到了能够反映全省旱涝状况的指标。以此指标作为预测量，通过相关分析从前期大气环流场、海温场中选取高相关预测因子，应用逐步回归和SVM回归技术分别建立浙江省汛期旱涝短期气候预测模型，并进行了对比分析。结果表明：SVM回归模型集中了众多预测因子的预测信息，有效地利用了支持向最机方法的非线性映射能力，无论在历史样本拟合的精度上还是模型实际预测的能力上都比传统的逐步回归方法有一定提高，具有较好的应用效果。

摘要： 研究基于统计学习理论的支持向量机(SVM)回归在汛期早涝预测中的应用。根据浙江省38个测站的降水量资料，用正态化Z指数对汛期早涝等级进行划分，得到了能够反映全省旱涝状况的指标。以此指标作为预测量，通过相关分析从前期大气环流场、海温场中选取高相关预测因子，应用逐步回归和SVM回归技术分别建立浙江省汛期旱涝短期气候预测模型，并进行了对比分析。结果表明：SVM回归模型集中了众多预测因子的预测信息，有效地利用了支持向最机方法的非线性映射能力，无论在历史样本拟合的精度上还是模型实际预测的能力上都比传统的逐步回归方法有一定提高，具有较好的应用效果。

摘要： 本发明公开了一种基于分位数回归的遗传支持向量机光伏功率区间预测方法，通过提取历史数据的太阳辐射值、温度值和光伏功率得到数据样本,并进行归一化预处理，然后通过遗传算法优化支持向量机参数克服光伏发电的波动性与随机性，构建预测模型，得到高精度的光伏确定性预测功率；然后通过分析预测模型的光伏功率预测误差，确定分位数回归变量，并根据不确定天气因素构建相应分位数回归模型，实现光伏功率区间预测；本发明无需假设光伏预测功率误差分布，得到不同置信度条件下准确的光伏功率区间预测范围，为电力系统调度决策、运行风险评估提供更加丰富的信息并解决光伏功率区间预测结果不理想的技术问题。

摘要： 本发明公开了一种基于回归型支持向量机的电力负荷预测算法，包括以下步骤：S101、计算用户用电数据特征的权重；S102、对用户用电数据进行归一化；S103、产生训练集合和测试集合；S104、创建和训练SVR模型；S105、使用SVR进行仿真预测；通过对参数的取样及排序能够有效的降低采集对计算结果的影响，同时通过采用SVR算法，相较于其他的算法大大的提高了计算精度。

摘要： 本发明公开了一种基于多因子最近邻抽样回归和支持向量机的自适应径流预报方法，包括：对预报断面所在流域的控制性雨量站和水文站的历史实测降雨、径流信息进行异常数据诊断与处理；对处理后的数据进行时空降维，构建历史样本库，识别不同滞时下的降雨与径流、径流与径流的相关关系，初步确定特征矢量维数，筛选并构建特征预报因子集；将不同时期和不同量级的径流分为不同的预报情景，建立适用于不同水雨情的自适应预报模式；构建耦合物理驱动和数据驱动的短期径流预报模型；滚动接入预见期内的降雨预报信息至短期径流预报模型，根据自适应预报模式，更新降雨径流预报信息，实现短期径流滚动预报。本发明参数率定简单，预报精度高。

摘要： 本发明公开了结合门限回归和改进支持向量机面板坝坝顶沉降预测方法，具体包括如下步骤：步骤1：获取沉降数据；步骤2：处理数据；步骤3：确定支持向量机核函数；步骤4：采用启发式的粒子群优化算法对支持向量回归机的正则化参数C，多项式核参数d，径向基核参数g进行优化选择；步骤5：建立结合门限回归和改进支持向量机的坝顶沉降预测模型；步骤6：结合建立好的结合门限回归和改进支持向量机的面板堆石坝坝顶沉降预测模型。该方法解决现有技术中的根据现有经验公式不能准确预测坝顶沉降的问题。

摘要： 本发明针对优化的挥发窑工况操作模式获取困难，导致其生产过程经济指标波动较大，运行状况不稳定问题，发明了一种融合最小二乘支持向量机回归与粒子群优化的挥发窑工况操作模式优化方法。本发明为使挥发窑产品质量、能耗、有害气体排放工艺指标达到最优，利用基于粒子群算法的多目标优化方法寻找最优挥发窑工况操作模式。针对寻优过程适应度值无法获取问题，根据挥发窑的输入条件以及当前状态，建立基于最小二乘支持向量机回归的挥发窑工况评价模型，预测挥发窑工艺指标值，从而获得相应的适应度值。本发明所提方法有利于挥发窑生产过程节能减排水平的提高。

摘要： 本发明提出一种基于支持向量机回归的可见光定位方法及系统，所述方法包括：在信号发送端利用时分复用的方法对定位区域内的各个LED灯进行信号调制；在信号接收端利用光电检测器在一个周期不同时间片段接收不同LED灯的信号，并提取信号强度向量；采集所述光电检测器不同位置坐标处接收到的信号强度向量，并建立数据集；根据所述数据集建立信号强度向量对应位置坐标的SVR训练模型；将待测位置处接收到的信号强度向量输入所述SVR训练模型中，预测得到待测位置坐标。本发明提出的方法及系统可提高室内定位精度，属于室内定位技术领域。

摘要： 基于改进灰狼算法优化支持向量机回归机的通信基站流量预测方法，涉及通信基站的流量预测技术领域。为了解决传统的线性时间序列方法难以有效地捕获实际基站流量序列中复杂的非线性因素的问题，从而导致对当前通信基站流量预测误差大的问题。本发明首先收集通信基站的流量数据并对其划分、处理，然后设置SVR相关参数并设置改进灰狼优化算法参数，用改进后的灰狼算法求出SVR的惩罚因子和核函数参数的最优值，最后用优化后的SVR对测试集数据进行预测，并对输出结果进行反归一化处理，得到通信基站流量的预测结果。主要用于通信基站的流量预测。

摘要： 基于支持向量机回归模型在深部煤含气量的预测方法，包括以下步骤：（1）数据获取：煤样含气量实测数据获取和煤样对应测井数据获取；（2）数据处理：测井数据的筛选和数据归一化处理；（3）模型建立：建立支持向量回归机模型（SVR）和模型核函数的选择；（4）模型验证。本发明以测井资料为基础，利用支持向量机回归模型（SVR）反演深部煤含气量，从经济方面而言，避免了大量的取芯及测试流程，很大程度上节省了成本。且测井资料具有相对廉价、数据量充足的优势，这对模型的建立提供很大便利，经济方面具有可行性。

摘要： 本发明公开了一种基于支持向量机回归的磨削去除量预测方法，属于机器学习技术领域。该方法是使用支持向量机回归算法对实验数据进行训练和测试，得到支持向量机预测模型，从而实现对磨削去除量的预测；步骤：(1)数据处理：将实验数据分为训练集数据和测试集数据，并进行归一化处理；(2)构建SVR模型：设定预测模型参数，并对训练集数据进行训练得到预测模型；(3)测试SVR模型：利用预测模型对测试集数据进行测试；(4)判断SVR模型：判断测试结果是否满足要求；(5)预测去除量：如果测试结果满足要求，则保存预测模型并输出预测结果；否则重新选择预测模型参数并进行训练，直至测试结果满足要求。

摘要： 本发明涉及X射线荧光仪(XRF)元素定量分析领域，特别涉及一种支持向量机回归结合灵敏度分析的元素含量定量分析方法。是基于在XRF光谱的元素定量分析中，特征和元素具有明确的对应关系这一特点，通过训练样本集构建SVR模型，再通过SVR模型和灵敏度分析方法获得高灵敏度元素，基于高灵敏度元素和训练样本集构建经过特征降维后的SVR*模型，来实现元素的定量分析。与现有技术相比，本发明通过改变现有模型的特征输入，观察改变前后输出的变化即可得到特征的灵敏度系数，分析过程计算简单，复杂度小，有利于工程实现。分析过程中，未改变数据结构，定量分析精度和泛化能力更高，可广泛应用于元素的XRF定量分析领域。