滑坡变形的支持向量机非线性组合预测

在分析支持向量机(SVM)用于时间序列预测和非线性组合原理基础上,提出基于支持向量机的非线性组合预测方法。利用4种单项预测方法,包括SVM、径向基函数前向型神经网络(RBF)、反馈型神经网络(El-man)及3层神经网络(ANN),分别进行滑坡变形时序的建模与预测。对4种方法的预测结果再采用线性组合方法(简单平均、方差倒数、改进最优加权系数)和非线性组合方法(SVM、BP神经网络)进行组合预测及方法性能的比较。结果表明,非线性组合的平均相对误差明显低于线性组合方法,且对滑坡这种具有一定程度不确定性的非线性系统,SVM的非线性组合方法有着更理想的预测效果,7步外推预测准确度控制在89.3%以上。而与BP神经网络非线性组合相比,SVM也具有更好的稳健性和泛化性。     

基于ICEEMDAN-FE和支持向量机的三电平逆变器的故障诊断技术

为了提高三电平逆变器复杂开路故障诊断的准确率,提出了一种应用“改进自适应噪声完备集合经验模态分解‒模糊熵（ICEEMDAN‒FE）”和“支持向量机（SVM）”结合的三电平逆变器故障诊断方法。首先,检测信号选取三相负载电压,为降低特征向量的维数,对三相负载电压进行Concordia变换,转换为α-β相电压;然后,通过ICEEMDAN算法提取α-β相电压的特征,得到不同尺度的内禀模态函数（IMF）,再利用主成分分析（PCA）降维剔除IMF虚假分量;最后,计算优选的IMF的模糊熵均值作为特征向量,输入到多分类SVM中进行训练分类,进而实现对二极管中点箝位型（NPC）三电平逆变器的故障诊断。仿真试验结果表明,该方法能够有效识别多种开路故障模式,具有抗噪性能强,诊断速度快,诊断精度高等优点。     

基于支持向量机与最小二乘支持向量机的闸片识别及磨耗趋势预测

针对检测动车组闸片剩余厚度的需求,设计闸片图像采集系统,通过高速相机与面阵光源的结合使用完成在线闸片图像的采集。介绍支持向量机(SVM)算法的概念,采用SVM对闸片边缘特征进行识别,进而检测剩余厚度。运用最小二乘支持向量机(LSSVM),将SVM的不等式约束变为等式约束,实现闸片剩余厚度的趋势预测。通过将LSSVM检测结果与现场人工测量结果进行对比,验证方法的可靠性。基于LSSVM算法精准预测闸片磨耗趋势,可提供更好的闸片状态修管理模式。     

基于独立成分分析和支持向量机的交流电机故障诊断

研究了一种结合独立成分分析和支持向量机的方法在交流电机故障诊断中的应用.首先通过检测各种电机振动和定子电流信号得到数据,利用独立成分分析对交流电机原始数据进行特征提取和压缩;主成分分析也同时应用于独立成分分析特征提取过程中,在完成故障识别时应用了支持向量机技术,采用的是连续最小优化算法和基于支持向量机分类的多类统计分类方法.同时分类过程选择了典型的核函数,以达到诊断电机故障的目的.试验分析的结果表明,该方法是一种简单而有效的方法.     

基于支持向量机的轨道不平顺预测研究

利用支持向量机的预测方法建立轨道质量指数预测模型,采用京九线下行100个轨道单元区段的实际轨检车检测数据对模型进行验证,并将预测结果与递推合成BP网络方法进行对比。研究结果表明：该方法建立的模型所得TQI预测值的平均相对误差为0.85%,预测精度与递推合成BP网络方法相比有所提高,说明将支持向量机技术引入到轨道不平顺预测中能够取得良好的预测效果,可以有效地反映轨道质量指数的发展趋势,对轨道不平顺预测研究具有一定的参考价值。     

基于支持向量机的静力损伤识别方法

针对使用静力测试数据进行桥梁结构损伤识别时容易出现误判的问题,基于支持向量机理论,提出1种新的静力损伤识别方法。将损伤识别过程分为损伤发生识别、损伤位置识别和损伤程度识别3个步骤。使用理论计算结果与测试数据比较的方法判断损伤是否发生,采用C-支持向量机分类算法进行损伤位置识别,利用ε-支持向量机回归算法进行损伤程度识别。将该方法与优化识别方法同时运用于1个连续梁试验中。试验结果表明:与优化识别方法相比,支持向量机方法通过分开求解损伤位置和程度,并先进行结构有限元分析,然后再使用支持向量机进行识别,将这2个过程解耦,从而降低了问题的难度,不仅能够正确地识别损伤出现的位置,而且能够得到与实际相符的损伤程度识别结果,并且具有较好的推广能力和较强的抗噪声能力,能够很好地对桥梁静力损伤进行识别。     

基于支持向量机沉降代理模型复合地基优化设计方法

复杂复合地基优化设计缺乏明确可靠的沉降计算公式,很难建立有明确表达式的优化设计数学模型,若直接基于数值模拟来建立模型,则计算工作量巨大。为此,提出一种基于支持向量机沉降代理模型的复合地基优化设计方法。该法基于均匀设计理念,设计多个数值实验加固方案,建立复合地基三维有限元模型,分析路堤荷载作用下复合地基沉降及差异沉降;再采用最小二乘支持向量机(LSSVM)对沉降进行回归分析,建立复合地基沉降、差异沉降的等代模型;以复合地基加固费用为目标函数,以各沉降指标为控制参数,建立复合地基优化设计数学模型;基于遗传算法搜索最优的加固方案,并输出满足设计要求的最经济复合地基方案。将该法用于岸边软土区复合地基优化设计,验证了该法的可行性。     

一种基于支持向量机的增量学习算法

具有增量学习功能的数据分类技术与普通的数据处理技术相比较,增量学习分类技术具有明显的优越性?在新的训练过程中充分利用了历史的训练结果,从而显著减少了后继训练的时间。介绍了支持向量机的基本理论和一般的支持向量机增量学习算法,针对有些渐变问题(如机械设备的早期故障期和损耗期),新样本所提供的信息量与历史样本所提供的信息量是不同的,给出一种新息加权的支持向量机的增量学习算法,通过循环来获得最优分类面仿真实验表明,采用加权的增量算法更能反映新样本点的特征?     

基于支持向量机和模糊评判的故障诊断方法研究

将采集到的数据进行模糊化处理,然后运用支持向量机对计算出的模糊样本进行训练,并对其进行模拟仿真,结果与实际试验结果基本相符.克服了根据单一的频谱变化来判断故障的类型,有效地提高了故障诊断性能.     

基于GIS技术的滑坡危险度区划量化研究

在滑坡危险度区划过程中,滑坡影响因子的选择及其权重的确定直接影响到区划结果的质量和精度。如何保证影响因子的独立性及权重的客观性,一直是滑坡危险度区划工作中的瓶颈。此文以西部某区域为例,基于GIS技术,通过建立信息量模型,对滑坡危险度区划进行研究。并引入层次分析法中的判断矩阵,对信息量模型进行一致性检验,将通过一致性检验的信息量模型用于影响因子的量化分析。通过影响因子的量化分析,按照危险度大小将研究区域划分为低、中、高3个等级,区划结果与滑坡的实际分布基本吻合。     

基于粒子群支持向量机的轨道电路故障诊断

支持向量机（SVM）是一种解决小样本分类问题的最佳理论算法,它的核函数的参数选择非常重要,直接影响着故障诊断的准确率。本文将粒子群算法（PSO）用于支持向量机的参数优化,提出基于粒子群支持向量机的故障诊断模型,并将其运用于轨道电路中。通过对比MATLAB仿真结果得出:经过粒子群寻优得到的参数比随机选取的参数更优,所建立的PSO-SVM模型的故障诊断准确率高于普通的SVM模型。     

基于支持向量机的边坡稳定性识别研究

考虑到边坡岩体稳定性问题存在高度的非线性,建立了基于支持向量机的边坡岩体稳定性的判别模型,它是一种基于统计学习理论的识别方法,这种模型非常适合用于对小样本的学习,且训练后的支持向量机判别模型具有很好的推广性能.采用工程实例进行分析,结果表明,基于支持向量机的边坡岩体的稳定性识别模型具有较高的准确率,且操作简便.     

基于支持向量机的机车轴承故障诊断方法

通过对机车轴承振动信号的分析处理,提出基于支持向量机(SVM)的故障诊断方法,提取反映轴承运行状态的无量纲系数作为故障的特征向量,并以此作为输入来建立支持向量机分类器,利用SVM网络的智能性来判断机车轴承的工作状态和故障类型.实验结果表明,提出的方法在小样本的情况下仍能准确、有效地对机车轴承的工作状态和故障类型进行分类,实现机车轴承故障的智能诊断.     

基于支持向量机的地铁客流量预测

地铁客流量是城市地铁交通运营组织的重要依据,客流随机性较大及其影响因素较多,因此加大了客流预测的难度。为了更加准确地预测城市地铁交通中的客流量,及时对客流组织方案进行调整,设计了一种基于非线性支持向量回归机的地铁客流量预测方法。该方法通过分析已采集数据的影响因素,确定对客流量影响较大的支持向量,然后构建预测模型进行预测。该模型可以通过调整影响因素的强度来提高预测精度。最后,通过算例验证：该方法可以有效地改善预测误差,适用于短期和不确定环境的地铁客流预测。     

支持向量机在货运量预测中的应用研究

在分析现有货运量预测方法所存在问题的基础上,建立了货运量预测的支持向量机模型,并以我国1981～2001年的货运量和相关经济指标的历史统计数据作为学习样本,分别选用3种不同的核函数,通过拟合训练和外推预测分析,验证了支持向量机用于货运量预测的有效性,并对模型中的有关参数进行了探讨分析。     

基于支持向量机的隧道变形预测方法

提出一种基于支持向量机的隧道变形预测新方法。支持向量机基于结构风险最小化,具有更强的泛化能力,是一个凸二次优化问题,能够保证所得解就是全局最优解。采用RBF和Bspline核函数学习某隧道前30天的收敛监测数据,用学习得到的最佳支持向量机网络预测30天后隧道的收敛。结果表明,支持向量机回归和预测的最大相对误差不超过6 5%。通过对比发现,Bspline核函数比RBF核函数效果更好。     

基于TOPSIS的支持向量机法对货车设计方案评价

针对铁路重载货车的不同设计指标进行方案优劣评价。在方案评价理论基础上,运用基于TOPSIS的支持向量机法,将TOPSIS的贴近度函数作为支持向量机评价方案的目标函数,对含有6个目标属性的某铁路重载货车的8个设计方案进行评价。研究结果表明：拥有容积与载重都相对较大,并且最高运行速度较高的方案为优选方案,而单一目标属性十分理想的方案并不是最优方案。根据方案评价结果对比,可以发现对铁路重载货车影响较大的因素为容积、载重及最高运行速度,而自重、轴重和制动距离这3个因素对方案的影响程度相对较小。     

基于支持向量机的大断面岩质隧道掌子面围岩非均一性判识方法

为快速判识高速铁路大断面岩质隧道施工过程中常表现出的掌子面围岩显著非均一性特征,提出1种大断面岩质隧道掌子面围岩非均一性判识方法.依托郑万高铁5条试验隧道,采集得到掌子面围岩炮眼钻孔过程样本299份,相应形成大断面岩质隧道掌子面围岩分级样本库;分别构建基于支持向量机(SVM)和2种神经网络的大断面岩质隧道掌子面围岩分级...     

基于小波包分析与支持向量机的斜拉索损伤识别

斜拉索作为斜拉桥的主要受力构件,其损伤将直接威胁斜拉桥的运营安全。现提出一种基于小波包分析与支持向量机相结合的斜拉索损伤识别新方法。利用小波包理论对索梁锚固点的加速度时程响应进行小波包分解,构造小波包能量变化率指标,以该指标作为支持向量机的输入参数,定义斜拉索的刚度折减为损伤因子表示斜拉索损伤程度作为支持向量机的输出,通过支持向量机损伤识别模型对斜拉索损伤进行识别定位,并以实验室独塔斜拉桥模型进行了数值验证。结果表明:该方法能较好地识别斜拉索损伤,且受输入向量位置及个数影响较小,随着损伤程度的增加,平均预测误差逐渐减小。本方法对噪声污染具有一定的鲁棒性。