支持向量机在汽车加速车内声品质预测中的应用

应用支持向量机方法对汽车加速时车内声品质进行预测。以噪声样本的响度、尖锐度、粗糙度、AI指数等客观评价参量作为输入因子,主观烦躁度评价结果作为输出因子,利用支持向量机回归方法建立了汽车加速车内声品质的预测模型。对比结果表明,与多元线性回归模型相比,基于支持向量机的汽车加速车内声品质预测模型能够更准确地反映客观评价参量与主观烦躁度之间的非线性映射关系,预测精度更高。     

高速公路雾天能见度预测方法

以多要素气象检测器采集的样本数据为基础,将温度、风速及湿度作为输入变量,雾天能见度作为输出变量,分别采用三层结构BP神经网络和支持向量机非线性回归预测方法,建立了雾天能见度的预测模型;将预测结果与实际数据进行对比分析,结果表明:BP神经网络和支持向量机均能较好地预测雾天能见度,其中BP神经网络和支持向量机模型预测值与实际值的相关性分别为0.895和0.978,支持向量机预测结果的误差更稳定,表明支持向量机更适于处理小样本、非线性、维数灾难和局部极小等问题。     

基于支持向量机的沥青路面使用性能预测探究

在考虑模型的二次损失函数下,对传统SVM进行扩展开进,得到基于最小二乘支持向量机(LS—SV M)的回归模型,利用支持向量机(SVM)具有的泛华能力,通过非线性映射构建一个高维空间的最优超平面,来进行评价计算。通过对选取的样本的归一化处理,确定LS—SVM输入向量数量指标,引入拉格拉日函数进行变化,获得函数的对偶关系,从而在保证LS—SVM的训练速度和预测精度,快速寻找到模型的解。最后通过算例验证了模型在拟合过程和预测经过精度方相较于其他模型具有明显的优势,能有效满足实际工程应用需求。     

基于SVR的互联液压缸力学性能预测

为进一步研究实际工况下非线性因素对互联液压缸力学特性的影响,对互联液压缸进行了力学性能台架试验,分析了互联液压缸的非线性因素对其力学输出的影响。鉴于传统数学模型无法准确反映互联液压缸动力学特性,并为减小传统支持向量机算法数据回归拟合误差,引入不敏感损失函数,构建互联液压缸力学性能回归型支持向量机预测模型进行预测,并将预测结果与试验数据进行对比。结果表明,采用回归型支持向量机预测模型具有更好的预测精度,为揭示互联悬架力学特性提供新的研究思路。     

基于最小二乘支持向量机的公路工程造价预测模型

由于公路工程造价的影响因素错综复杂,且历史数据非常有限,使公路工程造价预测成为典型的小样本条件下非线性回归问题。针对传统的回归方法解决这类问题的不足,该文提出一种新型的公路工程造价预测模型。该模型基于最小二乘支持向量机的基本原理,结合公路工程的具体特征,实现了公路工程造价的智能化预测。新模型充分发挥了最小二乘支持向量机在解决有限样本及非线性回归问题中的优势,建立了较准确的预测模型,且训练速度较普通支持向量机更快。实证数据分析验证了本模型的有效性。     

基于主成分分析与支持向量机结合的交通流预测

为提高交通流预测的预测精度和预测速度,提出了用非线性回归支持向量机与主成分分析相结合进行交通流预测的方法。主成分分析用来对交通流预测的预测变量进行特征抽取,用较少的主成分代替原预测变量．将生成的主成分输入到非线性回归支持向量机,进行交通流预测,支持向量机的核参数利用Bayesian推理进行确定。通过对济南市交通数据的实例分析来验证该方法的有效性。结果表明,非线性回归支持向量机与主成分分析相结合进行交通流预测不但可以提高交通流预测的精度,同时还可以降低预测所需的计算量,满足交通流预测的实时性要求,预测精度比目前常用交通流预测方法的预测精度有所提高。     

路面结冰时间预测方法

通过室内控制试验获取路面结冰相关数据,将温度、风速及降雨量作为输入变量,结冰时间作为输出变量,建立了路面结冰时间的多变量多项式回归预测模型;引入核函数,将路面结冰预测问题转化为高维空间中的线性回归问题,构造了多输入、单输出的支持向量机路面结冰时间预测模型。将预测结果与实测数据进行比较。结果表明,两类方法均能较好地预测路面结冰时间,四次多项式统计模型预测值与实际值的相关性为0.974,支持向量机预测值与实际值相关性为0.99,支持向量机预测结果更精确,表明支持向量机更适用于处理小样本、非线性、维数灾难和局部极小等问题。     

老化沥青抽提回收研究进展

正0引言老化沥青抽提回收是准确评价老化沥青性能的前提,也是后续进行再生混合料配合比设计的基础。废旧沥青混合料抽提方法包括离心分离法、回流抽提法和真空抽提法等,其中离心抽提应用最为广泛~([1])。研究表明,离心分离法得到的沥青回收溶液中会残留少量矿粉,改变沥青的物理性质,造成试验结果不稳定~([2])。文献[3]提供了阿布森法和旋转蒸发器法这2种从沥青溶液中回收沥青的方     

基于遗传支持向量机的综合管廊土建工程造价估算方法研究

综合管廊工程造价估算具有影响因素多、小样本及非线性的特点,传统的造价估算方法对于这类问题无法得到准确结果。针对这一问题,提出一种基于遗传支持向量机的综合管廊造价估算模型。分析综合管廊工程的具体特征,运用支持向量机建立工程造价与影响因子之间的非线性映射关系,利用遗传算法对支持向量机进行参数优化并对综合管廊的工程造价进行估算。以16条已建综合管廊工程作为数据库样本,对该模型进行分析验证。样本测试结果显示,利用该模型可将估算误差控制在10%以内,验证了模型估算的可行性。     

基于逐类组合支持向量机的边坡稳定性预测研究

首次采用逐类组合支持向量机（TCSVM）方法,用于解决边坡稳定性预测的问题。模型是先用支持向量分类机（SVC）对边坡状态进行判识,然后用支持向量回归机（SVR）建立边坡安全系数预测模型,再用建好的模型对未知边坡的稳定性进行判别和安全性系数预测。利用模型对71个边坡实例中的61个进行学习,10个进行检验。结果表明:TCSVM对边坡安全系数的预测结果均优于SVM和PCA-SVM。表明逐类组合支持向量机方法提高了安全性系数预测的准确率,对边坡稳定性研究具有积极意义。     

汽油机失火诊断GA-SVM方法研究

提出了一种基于主成分分析、遗传算法和支持向量机的失火故障诊断方法,以用于建立发动机失火故障诊断模型。采集不同失火故障模式下瞬时转速信号,通过归一化和主成分分析对数据集进行降维预处理,提取样本特征;随机选取1/3的样本训练支持向量机失火诊断模型,并结合网格搜索和遗传算法优化模型参数;剩余样本作为测试数据,对12种失火模式进行辨别,准确率为98.33%。因此,该方法有效。     

基于相空间重构和支持向量机的盾构滚刀岩机实验台轴承状态趋势预测

以盾构滚刀岩机作用实验台为研究对象,提出一种基于相空间重构和最小二乘支持向量机的盾构轴承状态评估及预测方法。该方法将一维时间序列重构到高维相空间中,利用相点作为支持向量机输入,自适应地对特征进行选取,并结合支持向量机非线性回归的优点,可有效预测轴承的运行状态。对实际采集的盾构滚刀岩机实验台的轴承信号进行研究分析,发现本算法的预测结果明显优于BP神经网络。将本文算法应用于工程实践,可以对盾构关键轴承状态评估和预测,能够为盾构轴承的定期保养和维修提供有效的指导。     

汽油机瞬态工况油膜参数混沌时序LS-SVM预测研究

汽油机油膜参数具有多维非线性特性,当前使用的试验标定法及辨识法难以精确确定参数值,对此提出了混沌时序最小二乘支持向量机(LS-SVM)预测模型。已知汽油机油路系统在时间序列具有非线性混沌特性,对油膜参数试验标定数据进行相空间重构,采用支持向量机对重构后的数据进行训练及预测,得出预测结果,与BP神经网络模型及Elman神经网络模型的预测结果进行了对比分析。验证了LS-SVM模型具有更强的非线性预测能力,能够有效地提高油膜参数的预测精度。     

基于粒子群算法优化支持向量机的公路客运量预测

公路客运量数据受多种因素影响而呈现非线性等特点,为了提高其预测精度,文中提出粒子群算法（PSO）优化支持向量机（SVM）的公路客运量预测模型,利用PSO寻优能力突出的优点,对支持向量机的参数进行优化选择,并用优化后的支持向量机模型对公路客运量进行预测.研究结果显示,相比BP神经网络和传统的SVM预测方法,基于PSO SVM的预测精度更高.     

支持向量机在路面评价中的应用

提出了基于支持向量机的水泥路面性能评价模型,结合湖南未宜（耒阳-宜章）高速公路水泥砼路面检测数据进行评价并与传统模型进行对比,结果表明,应用支持向量机分类模型对路面进行评价能更好地弥补传统模型的不足,评价结果更加符合事实。     

基于LS-SVM模型的无级变速器夹紧力控制系统故障诊断

在不增加硬件成本和过大的运算量的前提下,研究了基于模型的无级变速器夹紧力控制系统故障诊断方法.提出了根据测得的信号以及全局和部分元件诊断模型的输出结果来完成故障隔离与定位的诊断策略;针对系统的非线性特征,采用最小二乘支持向量机建立反映其输入输出关系的非线性预测模型.测试结果表明所建立的故障自诊断系统具有较高的精度和反应速度,可以粗略地实现故障的隔离和定位.     

基于支持向量机的公路工程造价快速估算模型

由于公路工程造价估算具有多因素、高维非线性、随机性等特点,传统的造价估算方法无法快速得到准确结果,为此提出基于支持向量机的公路工程造价快速估算模型。首先结合公路工程特性,确定造价的主要影响因子,然后通过LibSVM工具箱建立造价与主要影响因子之间的非线性映射关系,同时采用交叉验证优化支持向量机参数。最后进行实证检验,并与BP神经网络估算方法进行对比分析,结果表明支持向量机提高了估算精度,可以更好地应用于公路工程造价估算。     

基于支持向量机的水泥抗压强度预测

利用支持向量机结构简单、学习性能出色和较强的推广性等优点，通过对已有实例样本的学习，建立了水泥28d抗压强度与其各影响因素之间的高度非线性映射关系，然后用样本学到的新关系预测新的水泥抗压强度，并将预测结果与传统回归分析、神经网络预测结果进行了对比。研究表明，与传统的方法相比，支持向量机方法精度较高、相对误差小，为预测水泥28d抗压强度提供了一条新途径。     

The Application of Support Vector Machine to the Fault Identification of Vehicle Automatic Transmission

本文中提出基于支持向量机的汽车自动变速器故障识别方法.首先利用设计的虚拟测试系统采集自动变速器3种状态下的运行数据,再对数据进行整理和筛选,提取合适的数据作为训练样本,然后设计基于支持向量机的多值分类器进行故障识别,最后与基于BP人工神经网络的诊断方法进行对比.结果表明,基于支持向量机的故障识别方法具有更快的收敛速度和更强的分类能力,适用于汽车自动变速器实时故障识别和诊断.     

基于支持向量机的物流配送中心选址决策

建立了选址决策的模糊评价矩阵,应用支持向量机方法(SVM)来处理数据,进行物流配送中心的选址决策。支持向量回归机根据所提供的数据,通过学习和训练,找出输入与输出的内在联系,从而求取问题的解,而不是根据经验知识,因而具有自适应功能,能弱化指标权重确定中人为因素的影响。与传统方法相比较,有较好的泛化能力,能较客观地对多个选址方案的优劣进行评价。最后,引用实例说明利用支持向量回归机完成评价工作的全部步骤。