基于支持向量机的船型主尺度要素数学建模

主尺度要素数学模型的建立是一项重要有益的工作,提出了用支持向量机对船舶主尺度要素数学建模,与传统数理统计回归分析方法和RBF神经网络模型相比,其精度比较高。实践证明,该方法在船舶设计船型主尺度要素建模等复杂系统方面是实用的和可靠的。     

加权支持向量回归算法在船舶智能建模中的应用

在分析现有基于高斯核的支持向量回归方法优缺点的基础上,将高斯核参数加权与支持向量回归算法相结合,实现了一种"基于高斯核参数加权的支持向量回归算法".在该新算法中引入一种带权重因子的核函数,其中权重因子由输入向量来确定,同时将该算法应用在散货船舶主尺度要素智能化建模中并与常规算法进行了比较.试验结果表明了这种改进的支持向...     

支持向量机回归方法在船价指数预测中的应用

采用一种改进的支持向量机回归算法对船价指数进行预测,并与常规的回归建模方法进行比较。同时应用实例进行论证,估算结果证明了该算法在船价指数预测中的有效性和实用性。     

基于黑箱建模的船型要素数学建模研究

船舶主尺度要素数学模型的建立是一项重要的工作,而影响主尺度的因素较多,用传统的理论模型计算的结果容易产生较大的误差。提出用黑箱建模方法来预测这些参数,运用多元回归分析对黑箱模型进行求解并通过实例验证该方法的有效性和实用性。     

基于支持向量机回归建模的船舶磁场推算方法

磁性目标形体复杂,磁化不均匀,目前一般采用逆方法拟合测量数据,从而建立其磁模型。从支持向量机回归理论出发,通过实验室测量数据建立了基于支持向量机回归的船舶磁场模型,与实际测量值比较,利用该模型推算的船舶下方磁场值的均方根误差小于10%,满足工程应用要求,这对于未来支持向量机在船舶磁场推算中的应用有着重要意义。     

基于支持向量机回归方法的舰船修理价格预测研究

对常规预测方法和支持向量机回归模型用于舰船修理价格预测进行比较，着重分析应用支持向量机进行舰船修理价格预测的具体形式以及方法特点，并给出应用实例，结果令人满意。     

支持向量机回归算法在船舶磁场推算中的研究

船舶航行中会遇到复杂的外界环境,其中磁场环境的变化对航行状况具有重要的影响。而船舶内部大量的电力系统会产生复杂的磁场分布。在建立的船舶磁场分布模型中,传统的基于磁场检测后的逆向拟合方法精确度不高。因此可以根据实验室的测量数据建立基于支持向量机回归算法的船舶磁场模型。在该模型中,预测的磁场分布具有更高的精度和复杂度,并且可以对磁场的动态变化进行预测,建立船舶磁场的时变模型。     

加权支持向量回归算法在运力预测中的应用

支持向量机(Support Vector Machines,SVM)是基于统计学习理论框架下的一种新的通用机器学习方法,是一种处理非线性分类和非线性回归的有效方法。由于具有完备的理论基础和出色的学习性能,该技术已成为当前国际机器学习界的研究热点,能较好地解决小样本、高维数、非线性和局部极小点等实际问题。近来,SVR方法被引入求解回归和预测问题,并在各领域中得到广泛的应用。本文在分析现有基于高斯核的支持向量回归方法优缺点的基础上,突破目前在构造支持向量机中存在的"所有支持向量与样本之间的在特征空间中的内积所对应的核函数参数一定要相等"的这一思维定势,提出了一种新的算法——"基于高斯核参数加权的支持向量回归机"算法,并将该算法应用在世界散货船队运力预测中。估算结果证明了这种改进的支持向量回归算法在船队运力预测中的有效性和实用性。     

一种新的支持向量回归算法及其在集装箱吞吐量预测中的应用

支持向量机是基于统计学习理论框架下的一种新的通用机器学习方法,是一种处理非线性分类和非线性回归的有效方法。由于具有完备的理论基础和出色的学习性能,该技术已成为当前国际机器学习界的研究热点,能较好地对应解决小样本、高维数、非线性和局部极小点等实际问题。近来,SVR方法被引入求解回归和预测问题,并在各领域中得到广泛的应用。文章提出了一种新的基于单参数的Lagrangian支持向量回归算法,并将该算法应用在集装箱吞吐量预测中。估算结果证明了这种改进的支持向量回归算法在集装箱吞吐量预测中的有效性和实用性。     

基于支持向量机回归树的内燃机振动信号趋势预测

针对标准回归树建立在统计分析基础上所存在的缺陷,提出一种基于支持向量机的回归树预测模型。首先,根据原始振动信号趋势序列构建回归树;然后,针对回归树上包含样本数过少的节点,利用支持向量机,建立能够反映重要变量与响应变量之间映射关系的回归模型。仿真结果表明:即便由于设备出现异常,导致振动信号趋势序列出现非平稳、突变情况,该方法也能准确地预测,性能优于标准分析方法,具有一定的工程实用性。     

基于SVM的大型集装箱船上层建筑振动预测方法

基于支持向量机,采用RBF核函数,以某集装箱船上层建筑舱室振动为训练样本,建立了集装箱船上层建筑舱室振动的非线性回归模型,对该船上层建筑部分舱室振动进行预测。通过对上层建筑振动特征的分析,构造转换系数,提高了模型的通用性,并应用此模型对另一艘集装箱船上层建筑舱室振动进行预测。预测结果表明:应用SVM非线性回归模型对大型集装箱船上层建筑舱室振动进行预测是可行的,预测效果较为理想。     

应用支持向量机的船舶操纵运动响应模型辨识

建模是评估船舶操纵性和可控性的重要前提.基于自由自航船模试验的系统辨识方法是求取船舶操纵运动数学模型中的水动力系数的有效手段之一.文中提出了一种使用支持向量回归估计的船舶操纵运动响应模型辨识方法,该方法通过训练自由自航试验数据样本得到参数回归模型.辨识和仿真结果验证了文中所提出的方法的有效性.     

大型舰船纵摇运动的多层递阶预报

主要介绍多层递阶预报原理及其首次在大型舰船纵摇运动预报中的应用实例.仿真结果表明,多层递阶时间序列模型能较好地反映参数的时变特性,取得较精确的预报结果.     

确定多用途冰区航行船舶设计特性最优值的叠加性和互换性方法

  目的  研究冰区船设计参数之间的相互关联性,旨在提出一种多用途冰区航行船舶性能与设计参数之间的优化方法。冰区船作为一个整体系统,其性能指标不是独立的,通过任何一个技术指标能够近似确定其他的技术指标。  方法  采用的方法是在满足设计要求的前提下,选取冰区船各项性能指标的最优值,并采用冰区船单项设计指标最优值的叠加性特性方法,因为每一项船舶技术指标既与其他的技术指标相关,也与船舶的设计参数相关,从而可以初步估算船舶其他尺度指标和设计参数的初始近似值。在初步设计阶段,确定技术指标和设计参数近似值的大致范围会有一定的误差,这些参数在后续设计阶段将进一步细化。在误差范围内对初始值进行调整不会对某个性能指标的最优值产生较大影响,初步设计阶段确定的最优值可作为进一步改善其余船舶技术指标的约束条件,从而可以进一步确定该技术指标的最优值。  结果  采用叠加性优化设计性能指标和参数时,若将初始设计阶段确定的特征参数作为后续设计阶段的设计约束,可以逐次迭代确定目标船的性能指标和参数值。  结论  首先确定船舶参数的设计范围,然后以该确定的船型参数为约束条件,可以进一步细化冰区船的设计指标。     

基于HMM-SVR的船舶动力设备故障模式识别与状态预测研究

船舶动力设备因故障监测信号样本少、变化缓慢且数据特征呈非线性,使得设备故障模式的准确识别和状态预测比较难。鉴于此,文章研究了基于隐马尔科夫模型的故障模式识别方法,利用该模型将微弱变化的信号特征转换为变化较大的对数似然概率对故障模式实现有效识别。在此基础上进一步提出基于HMM-SVR的设备状态预测模型,将遗传算法用于支持向量回归模型参数寻优,并结合隐马尔科夫模型,实现对设备状态的预测。对船用柴油机进行仿真,结果表明上述模型具有较高的识别率,能准确预测船舶动力设备的当前状态。     

基于支持向量机的可靠性增长费用建模与分析

支持向量机是一种采用结构风险最小化原则代替传统经验风险最小化原则的新型统计学习方法，具有完备的理论基础。首先应用支持向量机原理建立了基于支持向量机的多参数武器装备可靠性增长费用预测模型，然后对我军某型现役装备使用阶段可靠性增长费用数据进行了预测与分析。结果表明，与一般的回归分析相比，基于支持向量机的回归模型具有很好的预测精度。     

支持向量机网络在船舶电力推进系统状态评估中的研究

船舶电力推进系统状态评估是状态检修的前提和基础,建立合适的舰船电力推进系统状态评估流程与模型,并开发出可行的评估系统是舰船状态评估的必须步骤。本文在对船舶电力推进系统的状态评估方法进行概述和分类的基础上,提出船舶电力推进系统状态评估流程、基于支持向量机网络的船舶电力推进系统状态评估模型和具体的评估步骤。     

基于支持向量机的集装箱船航次配箱量的预测方法

集装箱船航次配箱量预测对集装箱码头管理和集装箱船配载具有重要意义。首先利用支持向量机(SVM)理论建立非线性回归模型,然后分析影响航次配箱量的因素,利用历史数据作为学习预测的样本,用训练好的回归模型对新的数据进行预测。实际计算结果表明:同BP神经网络预测模型相比,该预测模型具有良好的泛化能力及准确的预测结果。     

基于SVM的电子装备故障预测方法研究

探讨了支持向量机时间序列预测模型的应用。将支持向量机时间序列预测技术应用于电子装备故障预测中,对某型电子装备的数据传输插件板进行了故障预报,通过实验证明了该方法的有效性和实用性。