共查询到19条相似文献,搜索用时 46 毫秒
1.
船舶交通流分布特征的研究可为船舶通航安全管理与航道规划设计提供基础性依据,而从离散的船舶交通流数据中拟合出其分布函数是研究其分布特征的关键。本文把最小二乘支持向量机引入到船舶交通流数据拟合中,代替传统的最小二乘法解决离散数据拟合问题。构建了基于最小二乘支持向量机的离散数据拟合模型,并对船舶交通流数据拟合进行了研究。结果表明,该方法在处理离散数据的回归拟舍时能获得较好的逼近曲线,且预测结果也具有一定的参考价值。 相似文献
2.
3.
汽轮是保证船舶正常航行的重要设备,对船舶汽轮工况进行分析具有重要意义,针对当前船舶汽轮工况分析方法误差大、效率低等不足,设计了基于粗糙集和最小二乘支持向量机的船舶汽轮工况分析方法。首先对当前船舶汽轮工况研究现状进行分析,找到船舶汽轮工况分析误差大、效率低的因素,然后从船舶汽轮工作状态信号中提取工况分析特征,通过粗糙集算法对工况分析原始特征进行约简处理,减少工况分析特征数量,提高船舶汽轮工况分析效率,最后约简处理后船舶汽轮工况分析特征作为最小二乘支持向量机的输入向量,船舶汽轮工况状态作为最小二乘支持向量机的输出向量,构建船舶汽轮工况分析模型,并进行船舶汽轮工况实例分析。本文方法得到令人满意的船舶汽轮工况分析结果,提高了船舶汽轮工况分析精度,船舶汽轮工况分析速度得到了大幅提升,比其他船舶汽轮工况分析模型具有更高的实际价值。 相似文献
4.
现有的舰船航向保持非线性控制在建模过程中最多只能包含3个自由度,导致舰船航向控制不精准。为此设计一种最小二乘支持向量机的舰船航向保持非线性控制方法。首先使用局部最小二乘支持向量机对航行中的舰船进行建模,能够描述出舰船实际航行中的6个自由度,并使用等式约束代替不等式约束,引入反馈校正环节,弥补缺陷,完成模型的构建。在控制算法的设计中,使用模型训练误差均平方值代替松弛变量,且训练过程只需要求解一个线性方程组,简化了运算,使用动态抗饱和补偿器得到最优参数,实现舰船航向保持的非线性控制。通过仿真实验结果表明,使用本文控制方法控制船只的航向角和舵角,控制精度更高,效果更好。 相似文献
5.
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。 相似文献
6.
7.
8.
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。 相似文献
9.
10.
11.
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。 相似文献
12.
应用支持向量机对KVLCC2约束船模斜拖试验结果进行了分析,通过对有限样本数据的拟合,辨识了描述船体横向力和转首力矩的数学模型中的水动力导数。应用所获得的回归模型,对不同工况下的测试样本进行预报,预报结果和试验结果的比较验证了方法的有效性,可以用于指导约束船模试验。 相似文献
13.
14.
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。 相似文献
15.
16.
多传感器数据融合首先要解决误差配准问题,来估计系统偏差并消除它.把最小二乘理论运用于多传感器数据融合,能够得到系统偏差估计.分析最小二乘(LS)和广义最小二乘(GLS)的原理,并对两种算法进行了比较. 相似文献
17.
18.
一种多学科设计优化近似模型构建方法 总被引:2,自引:0,他引:2
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。 相似文献