支持向量回归机不敏感因子ε对运动建模的影响

通过对仿真Z形试验数据的分析,应用具有不同不敏感因子ε的ε-支持向量回归机(Support Vector Regression,SVR)辨识了船舶操纵运动二阶线性响应模型中的K,T等操纵性指数,并利用回归得到的响应模型进行了Z形试验的数值模拟。通过比较采用不同不敏感因子ε所得首向角和转艏角速度的预报结果,表明可以通过调节不敏感因子ε值来控制样本输入中支持向量的个数与ε-SVR的回归精度。     

基于支持向量机的船舶柴油机故障诊断的研究

通过建立VC维统计学习理论,利用数学建模,建立并划分最优超平面以取得支持向量来训练,选取并考虑相关的影响因子以此构建样本数据集,以期对柴油机故障实现精确的诊断;而对于非线性空间情况,可采用核函数的思想来转化为线性空间,以此降低算法的复杂度;通过与人工神经网络方法的比较,表明该方法具有运算速度快,泛化能力强等优点;支持向量机(SVM)可以较好解决柴油机故障诊断中的机器过学习、小样本、高维数、非线性等问题。     

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.     

基于支持向量机的船舶航向广义预测控制研究

船舶的动态性能具有大惯性、大时滞、非线性等特点,采用基于结构风险最小化原则的神经网络———支持向量机(SVM),充分发挥其可以任意逼近非线性模型的良好特性对船舶模型进行有效辨识,以此作为广义预测控制(GPC)算法中的预测模型,并加以相应的GPC算法达到保持航向的目的。仿真结果表明:SVM学习速度快,在小样本情况下具有良好的非线性建模和泛化能力;基于SVM的GPC算法在航向保持方面具有很好的控制性能。     

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。     

模糊支持向量机在船舶柴油机故障诊断中的应用

探讨了支持向量机（SVM）的机理，并通过计算每一个样本的模糊隶属度，引入了模糊支持向量机（FSVM）的概念，解决了SVM中的不可分区域问题；应用FSVM对船舶电站主柴油机进行故障诊断，研究了FSVM参数的选择方法。仿真结果表明，FSVM具有较好的诊断效果和较强的抵抗噪声的能力。     

基于最小二乘支持向量机的船舶水下焊接质量在线监测

以径向基函数(radial basis function,RBF)为核函数,将最小二乘支持向量机(least squares support vector machines,LSSVM)预测模型应用于船舶水下焊接质量在线监测.提出了一种自适应优化方法确定该模型中的可调超参数和核宽度参数,并建立了实时显示和报警系统.实验结果表明,该方法预测误差较小,建模耗时少,适合于船舶水下焊接质量在线监测.     

基于支持向量机的船舶操纵运动在线建模

支持向量机算法以结构风险最小化为准则,具有良好的泛化性,是一种先进的人工智能算法。文章根据最小二乘支持向量机对其增量式算法进行推导,并应用该算法对船舶操纵运动进行在线建模。通过仿真试验对粘性力和舵力水动力导数进行在线辨识,通过自航模试验对操纵性K、T指数进行在线辨识,并利用K、T指数对自航模的转首角速度进行了预报,所得结果都同试验值非常接近,证明了增量式最小二乘支持向量机应用于船舶操纵运动在线建模的有效性。     

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。     

基于改进的LS-SVM的潜水器拘束模试验分析方法

本文以最小二乘支持向量机为基础,将增量法和滑动窗口法相结合,建立适用于分析处理大样本数据的方法。采用该方法对某潜水器拘束模斜航试验和纯横荡试验进行了分析,获取了可以反映潜水器横向力、转首力矩的数学模型中的水动力系数,并利用构建的数学模型,预报多种工况下的潜水器所受到的水动力。通过比较预报结果和试验结果,证明了该方法的有效性。     

基于相空间重构与LSSVM的交通流量预测

针对仅利用欧氏距离不能准确反映相空间中相点间的相似性大小,提出一种改进预测模型,该模型同时考虑相点间的欧氏距离和相似性来选取邻近点。在对交通流量时间序列进行相空间重构后,运用最小二乘支持向量机分别对不同方法得到的邻近点进行训练,并对未来时段的交通流量进行了多步预测。实际案例的预测结果表明,改进方法比一般方法具有更好的适应能力和预测精度。     

基于最小二乘支持向量机的公路软基沉降预测

通过影响因素分析,确定了软土层厚度、软土层压缩模量、地表硬层厚度、地表压缩模量、路堤高度、路堤顶宽、路基填筑时间和填筑竣工时沉降量等参数对公路软基沉降有影响。对公路软基的观测数据进行分析和取样,输人样本为各参数,输出样本为路堤中线下地表沉降值,利用最小二乘支持向量机的非线性映射和泛化能力,通过训练,建立了公路软基沉降预测模型。研究表明．所建立的模型对公路软基沉降进行预测具有较高的精度．同时具有很好的泛化性能。     

一种多学科设计优化近似模型构建方法

通过采用单个参数控制样本的误差界限、采用Laplace损失函数和改变置信区间项,给出了一种基于单参数的Lagrangian支持向量回归算法。以实际数值函数为例,通过采用三组不同样本集进行拟合训练,构建了基于支持向量机的近似模型;以石油平台支援船总阻力估算为例,通过与模型试验及其他典型方法的对比,检验了算法用于近似模型构建的准确性和适用性。研究结果表明,采用支持向量机方法构建近似模型在小样本条件下比神经网络等传统方法具有更好的泛化性和推广能力,能够有效提高计算精度与优化效率,在复杂系统多学科优化设计中具有很大的应用价值。     

基于灰色加权关联与MS-LSSVM组合的舰船备件需求预测

运用灰色加权关联方法对影响远海舰船备件消耗的主要因素进行分析,以确定备件消耗影响因素的权重大小,以此为依据来筛选出主要影响因素,在此基础上运用支持向量机理论,建立灰色加权关联分析与多尺度最小二乘支持向量机组合的学习模型,将筛选得到的主要影响因素的样本值作为输入值进行学习训练,较好地解决了影响因素与备件消耗之间的非线性关系。实例应用表明,该模型对舰船备件需求的预测具有较高的精度。     

支持向量机在集装箱吞吐量预测上的应用

针对目前常用港口集装箱吞吐量预测方法的局限性,将支持向量机(SupportVectorMachines,SVM)回归方法用于港口吞吐量预测。提出了集装箱吞吐量预测的步骤和相关参数的确定方法。在此基础上,以上海港集装箱吞吐量的预测为例,详细介绍该方法的应用过程。结果表明,本算法合理有效,为解决集装箱吞吐量等非线性系统预测提供了一条新的途径。     

拖曳水池船模对比试验研究

介绍了船模拖曳水池概况,以及水池轨道、拖车性能指标,结合水池尺度合理选择了标定用的阻力模型,并给出船模对比试验的结果,试验结果表明.该水池的各项性能指标良好.能满足教学科研和工程上的试验要求.     

小型机动平台上时间配准问题分析

介绍空中移动平台传感器定位算法并建立模型,通过Monte Carlo仿真实验及内插外推法将高精度观测时间上的数据推算到低精度时间点上。该方法能同时有效地估计目标运动状态和传感器配准误差．与传统配准方法相比具有更快的收敛速度和更高的精度。