LS-SVM

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。

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。

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。

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。

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。

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。

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.

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。

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.

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.

摘要： 核岛主泵作为核电站的心脏，对其可靠性和安全性要求特别高。但在对其进行故障诊断和状态预测时，却常常缺乏大量的故障样本做参照，制约了相关技术的发展。基于统计学习理论的支持向量机方法正好克服了这方面的不足。本论文构建了LSSVM和时间序列模型相结合的支持向量机预测模型，并分别用仿真数据和现场数据对其进行了验证。然后将该支持向量回归机应用于核岛主泵振动信号的预测，在对现场数据的预测中取得了较好的效果，表明该算法对核岛主泵的运行状态趋势具有较好的预测能力。

摘要： 核岛主泵作为核电站的心脏，对其可靠性和安全性要求特别高。但在对其进行故障诊断和状态预测时，却常常缺乏大量的故障样本做参照，制约了相关技术的发展。基于统计学习理论的支持向量机方法正好克服了这方面的不足。本论文构建了LSSVM和时间序列模型相结合的支持向量机预测模型，并分别用仿真数据和现场数据对其进行了验证。然后将该支持向量回归机应用于核岛主泵振动信号的预测，在对现场数据的预测中取得了较好的效果，表明该算法对核岛主泵的运行状态趋势具有较好的预测能力。

摘要： 核岛主泵作为核电站的心脏，对其可靠性和安全性要求特别高。但在对其进行故障诊断和状态预测时，却常常缺乏大量的故障样本做参照，制约了相关技术的发展。基于统计学习理论的支持向量机方法正好克服了这方面的不足。本论文构建了LSSVM和时间序列模型相结合的支持向量机预测模型，并分别用仿真数据和现场数据对其进行了验证。然后将该支持向量回归机应用于核岛主泵振动信号的预测，在对现场数据的预测中取得了较好的效果，表明该算法对核岛主泵的运行状态趋势具有较好的预测能力。

摘要： 核岛主泵作为核电站的心脏，对其可靠性和安全性要求特别高。但在对其进行故障诊断和状态预测时，却常常缺乏大量的故障样本做参照，制约了相关技术的发展。基于统计学习理论的支持向量机方法正好克服了这方面的不足。本论文构建了LSSVM和时间序列模型相结合的支持向量机预测模型，并分别用仿真数据和现场数据对其进行了验证。然后将该支持向量回归机应用于核岛主泵振动信号的预测，在对现场数据的预测中取得了较好的效果，表明该算法对核岛主泵的运行状态趋势具有较好的预测能力。

摘要： 一种基于PSO‑LSSVM算法的粮食产量预测方法，该方法依次包括如下步骤：获取已知年份的粮食产量和主要影响因子的值；对粮食产量和主要影响因子的原始数据进行平滑处理；根据最小二乘支持向量机模型得出预测模型；通过迭代算法求解惩罚因子和核函数的宽度；求解拉格朗日乘子和变量值b；求解径向基核函数的值；将求解出的拉格朗日乘子、变量值b和径向基函数代入预测模型，并用模型计算第n年的粮食产量的预测值。本发明公开了一种基于PSO‑LSSVM算法的粮食产量预测方法，通过该预测方法可以对粮食产量进行预测，预测精度高，可以提高我国粮食产量的预测准确度。

摘要： 本发明提出一种基于TCN与IPSO‑LSSVM组合模型的短期负荷预测方法，包括以下步骤：通过通讯网络采集短期负荷预测所需地区电网历史负荷数据及温度、湿度、风速、降雨量等气象信息数据，计算综合气象指数，并进行数据预处理；基于加权灰色关联度构建混合日特征量和实时气象因素进行最佳相似日选取的混合特征量相似日选取模型；分别构建基于时域卷积网络TCN的短期负荷预测模型和基于改进粒子群法优化的最小二乘支持向量机IPSO‑LSSVM的短期负荷预测模型；基于优势矩阵法构建TCN与IPSO‑LSSVM组合预测模型，作日前负荷预测。本发明充分利用气象因素对负荷的影响，结合气象相似日法，通过建立考虑实时气象因素的短期负荷组合模型预测方法，为电网运行人员做好日前发电计划提供依据。

摘要： 本发明公开了一种基于LSSVM的无人驾驶车辆路径跟踪方法，包括利用采集的数据进行车辆路径跟踪模型LSSVM训练，获得车辆LSSVM路径跟踪模型；基于获得的LSSVM模型，设计最优状态反馈控制器，控制器对信号时滞稳定满足执行器约束。本发明的方法能够解决目前无人驾驶车辆路径跟踪控制器设计算法需要建立物理模型，处理非线性，参数不确定等问题，避免了传统基于动力学模型进行控制器设计方法的复杂工作；满足执行器的约束并且对信号传输时滞稳定。

摘要： 本发明涉及一种基于鲸鱼优化LSSVM的轴承剩余寿命预测方法，包含数据特征提取、特征筛选和特征融合、构建退化指标等步骤。本发明的实验预测数据与真实剩余寿命时间较为接近，表现出良好的预测效果，本发明构建的模型预测结果均值误差分别比CNN‑LSTM模型和CNN‑GRU模型方法提高45.13％、38.95％，得分分别提高0.16、0.12，该方法为轴承剩余使用寿命预测提供了新思路，具有重要指导意义。

摘要： 本发明公开了一种基于LSSVM的无人驾驶车辆路径跟踪方法，包括利用采集的数据进行车辆路径跟踪模型LSSVM训练，获得车辆LSSVM路径跟踪模型；基于获得的LSSVM模型，设计最优状态反馈控制器，控制器对信号时滞稳定满足执行器约束。本发明的方法能够解决目前无人驾驶车辆路径跟踪控制器设计算法需要建立物理模型，处理非线性，参数不确定等问题，避免了传统基于动力学模型进行控制器设计方法的复杂工作；满足执行器的约束并且对信号传输时滞稳定。

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。

摘要： 本发明公开了一种基于PIO‑LSSVM的短期负荷预测方法，涉及PIO‑LSSVM负荷预测领域，其技术方案要点是：LSSVM模型对电力需求总量变化趋势进行预测，并引人基于PIO算法的参数优化技术来提高LSSVM预测短期负荷量的精度和收敛速度，LSSVM最小二乘支持向量机将最小二乘线性系统引入支持向量机，最小二乘支持向量机的优化指数采用平方项，采用等式约束用于替换标准支持向量机方法中的不等式约束，并把标准支持向量机中解的二次规划问题简化成求解线性方程问题，利用海量外部因素数据，该模型以负荷数据和气象、经济信息为输入因子，引入鸽群优化算法优化模型参数，通过仿真验证了改进预测模型的准确性和有效性。

摘要： 本发明专利涉及一种基于VMD‑SSA‑LSSVM的齿轮箱故障检测模型，包括：对采样数据VMD分解与小波包阈值分析相结合进行滤噪与数据重构；对重构数据提取不同性质特征以及特征组合；对特征集进行训练测试，衡量在不同分类器下的识别效果和在麻雀算法对齿轮箱数据在LSSVM训练中的参数寻优后的VMD‑SSA‑LSSVM模型下的识别效果；对八种工况下的齿轮箱振动数据进行分类建模。评估结果表明，VMD‑SSA‑LSSVM模型在连续十次实验测试下平均识别率高达99.5%，识别效果要优于传统故障识别模型的同时耗时更短；该流程模型为齿轮箱故障分析模型的建立提供了新方向，对优化分类器模型的理解具有重要的指导意义。

摘要： 本发明公开了一种融合图像信息和改进LSSVM的障碍物尺寸预测方法，包括以下步骤：搭建障碍物图像信息获取平台，采用机器视觉算法获取障碍物像素尺寸信息；运用遗传算法结合鲸鱼优化算法优化最小二乘支持向量机的正则化参数和核函数宽度；以障碍物像素尺寸和障碍物到摄像机的距离为输入参数，以障碍物实际尺寸为输出参数，构建基于遗传算法、鲸鱼优化算法和最小二乘支持向量机的障碍物尺寸预测模型；将障碍物像素尺寸输入到障碍物尺寸预测模型，得到障碍物实际尺寸。本发明采用GA‑WOA优化LSSVM模型的正则化参数和核函数宽度，解决了鲸鱼优化算法容易陷入局部最优解的问题。

摘要： 本发明公开一种基于LSSVM负荷预测的电力系统无功优化方法及终端，获取电力系统的目标预测节点的负荷历史数据集；使用最小二乘支持向量机模型基于所述负荷历史数据集对所述目标预测节点进行短期负荷预测，得到预测负荷值；基于所述预测负荷值使用改进蜉蝣算法进行计算，得到最优无功优化值，利用最小二乘支持向量机模型对节点进行短期负荷预测能够简化预测过程，并提升预测精度，再结合改进蜉蝣算法进行寻优计算，能为实际运行调节提供实时的预选调整策略，提高了调节的实时性以及无功优化结果的优值率，从而提高电力系统无功优化的实时性和有效性。