LS-SVM
LS-SVM的相关文献在2004年到2023年内共计540篇,主要集中在自动化技术、计算机技术、电工技术、机械、仪表工业
等领域,其中期刊论文380篇、会议论文1篇、专利文献159篇;相关期刊260种,包括土木工程与管理学报、煤炭学报、组合机床与自动化加工技术等;
相关会议1种,包括第11届全国设备故障诊断学术会议等;LS-SVM的相关文献由1547位作者贡献,包括王欣、秦斌、李春祥等。
LS-SVM
-研究学者
- 王欣
- 秦斌
- 李春祥
- 秦羽新
- 迟恩楠
- 丁晓达
- 吴贤国
- 陈彬
- 卞小强
- 席旸旸
- 焦李成
- 王雷
- 章海亮
- 邓婷婷
- 闫欢欢
- 魏建鹏
- 刘雪梅
- 孙中灿
- 宋保维
- 张朝元
- 李京
- 杨红
- 王双虎
- 苏义荣
- 邓华
- 陈丽
- 黄智
- 余中舟
- 侯彪
- 刘宇芳
- 刘怀远
- 孟博
- 宋志刚
- 张媛
- 张晓燕
- 张颖超
- 易辉
- 曾庆俊
- 李建强
- 杨淑媛
- 桂卫华
- 王二化
- 王佳晖
- 王印松
- 王爽
- 王铁民
- 甄成刚
- 罗飞
- 裴瑞平
- 谢琳
-
-
王忠喜;
王陆露;
蒋剑
-
-
摘要:
为更好地治理海洋污染,控制船舶尾气排放量。提出基于改进PSO算法优化LSSVM的船舶尾气排放量预测系统。以气体污染物分析仪采集到的污染物浓度为基础,推算污染物排放量,将其作为历史数据,通过3G无线数据传输终端设备与AIS设备传输到服务器中心,利用STM32F207Z型单片机,进行基于改进PSO算法优化LSSVM的预测模型运算,得出预测结果,传输到用户端,供用户浏览。实验结果表明:所设计系统预测结果与实际结果之间的均方误差均小于3.00,说明该系统预测精度较高,可以用于船舶尾气排放量实际预测工作中。
-
-
张佳佳;
高军伟
-
-
摘要:
为降低轨道交通列车辅助逆变器(SIV)中三相逆变桥IGBT开路故障的排查难度和保障列车安全运行,对常见的多种IGBT故障进行诊断。提出了改进的完全自适应噪声集合经验模态分解方法(ICEEMDAN)、改进的蝙蝠算法(IBA)优化最小二乘支持向量机(LSSVM)模型参数相结合的故障诊断方法,来改善特征提取效果和诊断精度。通过MATLAB仿真实验可以看出,相较于蝙蝠算法(BA)优化LSSVM,粒子群算法(PSO)优化LSSVM,IBA-LSSVM模型在诊断速度和精度上都具有很大优势。
-
-
孔祥芬;
刘敬赟;
王杰;
唐淑珍
-
-
摘要:
准确估计飞机整体驱动发电机(Integrated drive generator,IDG)的可靠性分布参数,对掌握该部件的故障变化规律和制定维修策略起到关键性作用。针对飞机IDG故障数据为小样本的特点,以威布尔分布为例,采用最小二乘支持向量回归机(LSSVR)、支持向量回归机(SVR)和最小二乘法(LSR)对飞机IDG进行可靠性参数估计。结合实例与蒙特卡罗仿真,对比分析3种参数估计方法的精度、运行时间以及样本量变化时的稳定性。结果表明,在小样本情况下,LSSVR的参数估计精度最高,LSR的运行时间最短;随着样本量的减小,3种参数估计方法的精度均有所减小,但LSSVR的稳定性最好。
-
-
郑素佩;
闫佳;
宋学力;
陈荧
-
-
摘要:
房价预测、共享单车出租数量预测、空气污染情况预测等常涉及矛盾方程组求解,对其数值求解方法研究具有重要的理论意义与应用价值。当矛盾方程组规模过大时,用传统的最小二乘法求解,不仅计算量大,而且由于误差积累使最终结果的准确性不高。鉴于此,采用机器学习中的最小二乘支持向量机(least squares support vector machine,LS-SVM)算法求解大规模矛盾方程组,并分别针对线性、非线性、单变量、多变量矛盾方程组进行了数值求解。数值结果表明,数据类型和数据量的变化对结果的影响不大,因此只要选取适当的参数就可建立合适的模型,得到高精度的预测结果。
-
-
高玉明;
张天瑞;
张赛
-
-
摘要:
针对多品种、小批量产品在生产过程中存在影响产品质量的不确定因素等问题,提出了GBO和LSSVM相结合的多品种、小批量产品质量预测模型;模型采用LSSVM对产品加工过程进行量化分析,并使用GBO算法对LSSVM模型中的惩罚函数与核函数寻优;最后通过MATLAB仿真对GBO-LSSVM优化方法与其他预测方法进行分析对比。结果表明,GBO-LSSVM模型更适用于多品种、小批量质量预测问题,以提高预测精度与误差水平,为多品种、小批量生产模式质量预测打开新思路。
-
-
罗小燕;
黄耀锋;
李波波;
刘吉顺
-
-
摘要:
针对球磨机筒体振动信号中存在非线性、非平稳性及环境噪声强等问题,提出一种基于粒子群优化最小二乘支持向量机(PSO-LSSVM)球磨机负荷参数(填充率和料球比)预测方法,并开发基于LabVIEW的球磨机负荷参数监测系统。通过粒子群(PSO)优化最小二乘支持向量机(LSSVM)算法中的正则化参数y和核函数宽度,简化求解过程,提高模型训练速度。以球磨机筒体振动信号的Hilbert-边际谱样本熵为输入,以球磨机筒体内部的填充率和料球比为输出,建立基于PSO-LSSVM的磨机负荷参数预测模型。与LSSVM预测结果比较,该模型的预测精度较高,填充率平均绝对误差降低0.05、平均绝对百分误差降低8.09%;料球比平均绝对误差降低0.04、平均绝对百分误差降低2.76%。在线测试结果表明该在线监测系统准确率为64.37%,且系统运行一次的平均时间为45 s,可实现球磨机负荷参数的实时预测。
-
-
赵铁成;
谢丽蓉;
范协诚;
王智勇;
邓佑刚;
李朋;
叶金鑫
-
-
摘要:
针对多晶硅还原生产能耗预测精度较低问题,提出了基于VMD-ASSA-LSSVM模型的多晶硅生产能耗预测方法.首先,采用主成分分析方法对能耗影响因素的数据降维处理,提高模型执行效率.利用变分模态分解(Variational Mode Decomposition,VMD)将能耗序列分解为不同特征尺度能耗分量,降低能耗序列的非平稳性、复杂度.其次,为解决麻雀搜索算法(Sparrow Search Algorithm,SSA)的收敛慢与收敛精度低问题,引入适应性学习因子进行改进.结合改进的自适应麻雀搜索算法寻优最小二乘支持向量机的可调参数,建立了VMD-ASSA-LSSVM的能耗预测组合模型;然后对分解的能耗分量单独预测,叠加子序列预测结果即为最终能耗预测.最后,以某多晶硅企业实际生产数据验证该方法的有效性,证实提高了预测精度.
-
-
杨锡运;
赵泽宇;
杨岩;
张艳峰
-
-
摘要:
为保障电网安全稳定运行,提高光伏电站经济效益,需要进一步提升光伏功率预测的准确性。为此提出一种基于时空信息组合的分布式光伏功率预测方法。首先,基于极度梯度提升-长短时记忆神经网络(XGBoost-LSTM)集成模型,利用光伏历史数据时间序列进行预测;然后,基于最小二乘支持向量机(LSSVM)模型,利用光伏电站间的空间相关性进行预测;最后,基于信息熵的基本原理,结合多误差评价角度改进的信息熵确定2种单一预测方法的权值,构建时空信息组合预测模型。研究结果表明:基于多误差评价标准的信息熵权的XGBoost-LSTM+LSSVM模型的平均绝对误差与基于交叉熵的组合模型和基于信息熵的组合模型相比,分别下降1.6%、8.3%;结合单一预测模型的优势,组合模型可降低预测误差,基于多误差评价标准的信息熵组合模型具有更高的鲁棒性与综合性能,可提升分布式光伏功率预测的准确性。
-
-
Qiang Zhang;
Xianguang Zha;
Jun Wu;
Liang Zhang;
Wei Dai;
Gang Ren;
Shiqian Li;
Ning Ji;
Xiangjun Zhu;
Fengwei Tian
-
-
摘要:
As the emergency power supply for a simulation substation,lead-acid batteries have a work pattern featuring noncontinuous operation,which leads to capacity regeneration.However,the accurate estimation of battery state of charge(SOC),a measurement of the amount of energy available in a battery,remains a hard nut to crack because of the non-stationarity and randomness of battery capacity change.This paper has proposed a comprehensive method for lead-acid battery SOC estimation,which may aid in maintaining a reasonable charging schedule in a simulation substation and improving battery’s durability.Based on the battery work pattern,an improved Ampere-hour method is used to calculate the SOC during constant current and constant voltage(CC/CV)charging and discharging.In addition,the combined Particle Swarm Optimization(PSO)and Least Squares Support Vector Machine(LSSVM)model is used to estimate the SOC during non-CC discharging.Experimental results show that this method is workable in online SOC estimation of working batteries in a simulation substaion,with the maximum relative error standing at only 2.1%during the non-training period,indicating a high precision and wide applicability.
-
-
冯璐;
周勇
-
-
摘要:
构建IT企业信用评价模型,采用LS-SVM方法对企业风险进行量化研究.研究结果表明,LS-SVM可以刻画IT企业违约与否的线性特征,并可将二次规划问题转化为线性规划问题,降低计算的复杂程度,是企业信用评级的有效工具.
-
-
-
-
-
-
-
- 中国计量大学
- 公开公告日期:2022-03-08
-
摘要:
本发明公开了一种基于LSSA‑LSSVM的蚕茧真空水浴工艺设计解舒率预测模型构建方法,具体包括以下步骤:获取蚕茧真空水浴工艺解舒数据集后归一化处理,并划分为训练样本集和测试样本集;设定LSSVM初始参数并建立LSSVM初始模型,利用所述LSSVM初始模型对所述训练样本集进行训练预测;采用改进的麻雀搜索算法LSSA对上述预测结果进行参数优化,得到最优超参数组(γ*,σ2*),从而建立基于LSSA‑LSSVM的蚕茧真空水浴工艺设计解舒率预测模型;测试样本集进行预测测试,衡量LSSA‑LSSVM的蚕茧真空水浴工艺设计解舒率预测模型对解舒率的预测效果。本发明具有参数寻优能力强,预测时间短且预测精度高等优点,为相关工艺设计人员调整和优化蚕茧真空水浴工艺参数提供了参考。
-
-
-
-