基于灰色支持向量机的民航旅客吞吐量预测

依据灰色预测和支持向量机的特点,提出了一种将两种预测方法相结合的灰色支持向量机,并结合民航旅客吞吐量的预测结果,对比了灰色预测模型、支持向量机以及灰色支持向量机的预测结果,验证了灰色支持向量机的预测精度高,预测结果更为准确可靠,为提高民航旅客吞吐量预测精度提供了新的途径.     

基于遗传优化支持向量机的交通事故预测

针对道路交通事故的预测问题,引入基于遗传优化支持向量机算法建立交通事故预测模型。利用遗传算法寻找支持向量机的最优参数组合,并用最优参数构建相应的支持向量机预测模型。仿真计算结果表明,基于遗传算法优化支持向量机模型优于传统的SVM模型,从而可以更有效地对道路交通事故进行预测。     

基于混沌高效遗传算法优化SVM的交通量预测

针对交通量预测本身所存在的小样本、非线性和复杂性等特点,利用支持向量机建立了基于RBF核函数的SVM交通量预测模型,采用基于混沌映射和加速遗传算法的混沌高效遗传算法对SVM模型参数C,ε和δ2进行优选,结合某市1978～2008年交通量实测资料进行了仿真验证,与GA-SVM模型和BP神经网络模型的仿真预测结果对比表明:该模型取得了较好的预测效果,可有效应用于城市交通量的预测.     

基于多输出支持向量机的物流量预测研究

物流量预测问题受众多因素影响,而已有的方法都是用多输入单输出模型进行预测,因此难以获得满意的预测效果。一种多输出支持向量机的方法用于广州市的物流量的预测中,为了与单输出预测相比,选取自适应迭代支持向量机方法进行预测。结果表明,多输出支持向量机的预测是有效的。     

驾驶人分心状态判别支持向量机模型优化算法

驾驶人分心状态判别是分心驾驶预警系统的重要基础.建立以径向基为核函数的 驾驶人分心状态判别SVM模型,采用遗传算法(GA)优化SVM模型惩罚参数C和核函数参数 g,并利用模拟驾驶器实验平台采集的驾驶绩效数据对模型进行验证.结果表明,采用GASVM 模型能够准确识别自由流和拥挤流场景下驾驶人分心状态,判别精度分别为94.5%和 96.3%.与决策树C4.5 和交叉验证(CV)-SVM对比表明,GA-SVM在准确率、精准率、召回率和 F1值等模型性能方面均优于其他2 种方法.本文建立的模型能够有效地判别驾驶人分心状态, 可为驾驶人分心预警系统和分心控制策略提供依据.     

基于支持向量机的岩爆模式识别及预测

采用支持向量机,运用分析国内、外工程岩爆数据,以岩石单轴抗压强度与单轴抗拉强度的比值、洞室围岩的最大切向应力与岩石单轴抗压强度比值及弹性能量指数作为评判指标,对典型岩爆进行模式识别即分类,并进行了预测.试验结果表明,该预测方法具有较高的准确率,较好地解决了小样本及非线性等实际问题.     

支持向量机对交通流量的预测模型

针对目前交通量预测中所广泛采用的基于经验风险最小化的BP网络易于陷入局部最优解等缺点,介绍了一种新的预测方法——基于结构风险最小化的SVMR交通量预测模型,经实践证明能够较好地解决道路交通量预测问题。     

交通量预测的支持向量机回归法

针对目前交通量预测中所广泛采用的基于经验风险最小化的BP网络易于陷入局部最优解等缺点．一种新的预测方法——基于结构风险最小化的SVMR交通量预测模型经实践证明能够较好地解决道路交通量预测问题。     

基于支持向量机的都市圈客运量预测模型

将都市圈客运量样本数据集分为训练集、测试集和检验集, 采用最小最终误差预测准则确定预测值的损失函数参数与惩罚因子, 选取ε-不敏感损失函数与高斯核函数减小预测复杂性, 构建了基于支持向量机的都市圈客运量预测模型, 并通过逐渐改变损失函数、惩罚因子与高斯核函数参数的取值, 对京津冀都市圈客运量进行了预测。预测结果表明: 客运量预测的平均相对误差为0.15%, 预测值与实测数据拟合良好, 整体变化趋势一致, 反映了预测模型的可靠性。     

基于壳向量的边界邻近支持向量机

对边界邻近支持向量机进行改进,即在壳向量集上进行边界邻近样本的搜索,给出了基于壳向量的边界邻近支持向量机。实验结果证明:基于壳向量的边界邻近支持向量机比边界邻近支持向量机具有更快的训练速度。     

基于支持向量机的发动机气路故障预诊断

为实现航空发动机气路故障在线预诊断, 分析了地空数据链系统中发动机气路参数报文的协议格式, 建立了基于支持向量机算法的发动机气路参数在线预测模型。以便携式地空数据链收发系统为硬件基础, 构建发动机报文并行处理系统, 获取建模所需的训练样本。利用最终误差预报准则确定样本数据嵌入维数, 实现时序样本数据的相空间重构。提出自适应网格搜索法优化支持向量机建模参数, 获得气路参数在线预测模型, 与航路飞机建立地空数据链通信, 预测气路参数趋势。预测结果表明: 参数低压转子转速、高压转子转速、尾气温度与燃油流量的相对预测误差分别为2.5%、2.1%、1.9%与2.3%, 因此, 支持向量机模型具有较高预测精度。     

基于特征选择和SVM参数同步优化的网络入侵检测

为了提高网络入侵检测正确率,利用特征选择和支持向量机（SVM）参数间的相互联系,提出一种特征选择和SVM参数联同步优化的网络入侵检测算法.该算法首先将网络入侵检测正确率作为问题优化的目标函数,网络特征和SVM参数作为约束条件建立数学模型,然后通过遗传算法对数学模型进行求解,找到最优特征子集和SVM参数,最后利用KDD 1999数据集对算法性能进行测试.结果表明,相对于其他入侵检测算法,同步优化算法能够较快选择最优特征与SVM参数,有效提高了网络入侵检测正确率,加快了网络入侵检测速度.     

Application of support vector machine to ship steering

System identification is an effective way for modeling ship manoeuvring motion and ship manoeuvrability prediction. Support vector machine is proposed to identify the manoeuvring indices in four different response models of ship steering motion, including the first order linear, the first order nonlinear, the second order linear and the second order nonlinear models. Predictions of manoeuvres including trained samples by using the identified parameters are compared with the results of free-running model tests. It is discussed that the different four categories are consistent with each other both analytically and numerically. The generalization of the identified model is verified by predicting different untrained manoeuvres. The simulations and comparisons demonstrate the validity of the proposed method.     

基于最小二乘支持向量机的交通流量预测模型

城市交通流具有复杂性、时变性和随机性,实时准确的交通流量预测是实现智能交通诱导及控制的前提.综合分析交通流量影响因素的基础上,进行多路段的交通流量预测研究,提出了基于最小二乘支持向量机的交通流量预测改进模型,并应用平安大街的流量数据进行实例验证.结果表明,该模型具有学习速度快、跟踪性能好及泛化能力强等优点,在交通流预测中更具有实用性和推广性.     

基于支持向量机的大跨连续刚构桥可靠度分析

针对大跨连续刚构桥在可靠性分析过程中功能函数不能显示、表达的问题,提出了一种基于支持向量机分类功能可靠度的计算方法。采用拉丁超立方抽样产生一定样本的数据库,通过改变样本点中效应数据的大小,并结合有限元程序的分析,找出一定精度下离分类面最近的一对样本点,从而得到新的样本库。然后,用新的样本库构造出一个 SVM分类器函数。结合蒙特卡罗数值模拟,计算其失效概率。以四川某大跨连续刚构桥为例,验证了该方法的实用性。     

基于支持向量机响应面法的连续刚构桥可靠度

针对连续刚构桥结构可靠度分析过程中功能函数不能显示和功能函数拟合时试验样本过多等问题,提出了一种结合支持向量机回归功能与响应面法的可靠度算法。该算法将支持向量机的良好性能(如：处理小样本、高维及非线性)和响应面法的优点(如：直观和高效等)结合在一起。以某连续刚构桥为例,计算了该桥中跨挠度失效模式下的可靠指标。对该失效模式下可靠度参数的敏感性进行了分析,得出了有益的结论。     

Forecasting of stock returns by using manifold wavelet support vector machine

An admissible manifold wavelet kernel is proposed to construct manifold wavelet support vector machine(MWSVM) for stock returns forecasting.The manifold wavelet kernel is obtained by incorporating manifold theory into wavelet technique in support vector machine(SVM).Since manifold wavelet function can yield features that describe of the stock time series both at various locations and at varying time granularities,the MWSVM can approximate arbitrary nonlinear functions and forecast stock returns accurately.T...