基于IPSO-LSSVM的污水BOD预测应用研究

生化需氧量（BOD）的快速准确测量对于污水处理过程的调控至关重要。针对污水处理过程中BOD浓度测量时效性较低等问题，选择最小二乘支持向量机（LSSVM）作为BOD浓度预测模型，并选用粒子群优化算法（PSO）优化回归性能参数，同时使用自适应惯性权重计算方法对PSO进行改进，建立了IPSO-LSSVM预测模型。运用预测模型对某污水厂数据进行仿真研究以及3种误差分析，结果表明该模型具有较好的预测精度。     

内燃机黑色金属零件磨损状态判别研究

以对内燃机运行状态具有重要影响的黑色金属零件磨损为研究对象,对其磨损状态进行判别研究。运用欧氏距离分类法区分黑色金属零件磨损"正常"、"异常"2类状态,对该方法表现出的分类准确率不高的问题,运用支持向量机方法进行了解决,实例表明,支持向量机方法在内燃机运行状态监测中更为准确可靠,分类正确率可达100%。     

基于模糊理论的高速公路交通事件的自动检测

根据交通流量、速度和占有率,构造不同交通流状态的隶属函数,根据最大隶属度原则进行交通流状态的识别;利用支持向量机的全局优化、适应性强、泛化性能好等优点,针对实时交通流数据的随机性、高维、非线性和时变等特性,将模糊支持向量机(FSVM)应用于高速公路交通事件检测问题中。在识别阶段利用60组实测数据训练模糊支持向量机,利用60组实测数据进行测试,测试结果表明,利用FSVM进行交通事件检测,识别率达到96.7%,从而验证本文的方法是切实可行的。     

基于相空间重构和支持向量机的盾构滚刀岩机实验台轴承状态趋势预测

以盾构滚刀岩机作用实验台为研究对象,提出一种基于相空间重构和最小二乘支持向量机的盾构轴承状态评估及预测方法。该方法将一维时间序列重构到高维相空间中,利用相点作为支持向量机输入,自适应地对特征进行选取,并结合支持向量机非线性回归的优点,可有效预测轴承的运行状态。对实际采集的盾构滚刀岩机实验台的轴承信号进行研究分析,发现本算法的预测结果明显优于BP神经网络。将本文算法应用于工程实践,可以对盾构关键轴承状态评估和预测,能够为盾构轴承的定期保养和维修提供有效的指导。     

堤坝管涌发生的预测方法研究

分析了堤坝管涌发生的机理和影响堤坝管涌发生的重要因素,选取了8个实测指标作为预测依据,建立了距离判别分析模型和支持向量机法的堤坝管涌预测方法,并和神经网络方法进行了对比分析。通过对23个堤防管涌工程实例的研究表明,距离判剐法和支持向量机法预测模型性能良好。基于神经网络核函数和径向基核函数的支持向量机具有更高的预测精度,支持向量机法是解决堤坝管涌预测问题的有效方法,可以在实际中应用。     

基于逐类组合支持向量机的边坡稳定性预测研究

首次采用逐类组合支持向量机（TCSVM）方法,用于解决边坡稳定性预测的问题。模型是先用支持向量分类机（SVC）对边坡状态进行判识,然后用支持向量回归机（SVR）建立边坡安全系数预测模型,再用建好的模型对未知边坡的稳定性进行判别和安全性系数预测。利用模型对71个边坡实例中的61个进行学习,10个进行检验。结果表明:TCSVM对边坡安全系数的预测结果均优于SVM和PCA-SVM。表明逐类组合支持向量机方法提高了安全性系数预测的准确率,对边坡稳定性研究具有积极意义。     

基于外周生理信号的疲劳驾驶监测研究

疲劳驾驶是交通事故的主要原因之一。监测驾驶者的精神状态,在疲劳时及时发出警报是降低交通事故的有效手段之一。通过对驾驶员在行车过程中一些外周生理指标(血容、肌电、皮电、呼吸、皮温等)的变化进行监测,在信号预处理和特征提取后,实验选取典型清醒疲劳样本,结合支持向量机研究多特征组合下的清醒疲劳状态区分效果并对区分方法进行评价,并进一步以典型样本作为训练集,对整个连续驾驶过程的状态进行判断。结果表明,使用支持向量机对外周生理信号典型样本的分类取得了较高正确率,也能较准确地对整个连续驾驶过程的状态进行判断。     

基于机器视觉和支持向量机的汽车焊点定位研究

如何提高工业机器人的定位精度是实现汽车焊点自动化检测任务的一个关键技术问题。针对传统示教再现机器人存在的定位精度问题,提出一种基于机器视觉和支持向量机回归的焊点定位方法。通过融合激光测距信息的视觉系统测量机器人示教位置与期望位置的偏差,进行焊点的初步定位;建立基于粒子群优化算法的支持向量机回归模型,对视觉引导后的机器人末端进行三维空间上的误差补偿,实现焊点的精确定位;搭建了一套完整的试验平台,并与常用的支持向量机参数优化算法以及误差补偿模型进行比较和误差分析,验证了该方法的有效性和优越性。     

基于支持向量机的高速公路事件检测研究

高速公路事件检测（AID）系统可以有效的减少交通延误、保障道路安全，减少环境污染，是智能交通管理系统的重要组件。文章采用一种新的模式识别技术——支持向量机（SVM），来进行高速公路的事件检测。支持向量机是以统计学习理论的VC维理论和结构风险最小化原理为基础，算法上采用二次规划、拉格朗日理论，因此有效避免了过学习、局部极小点等问题。最后，采用Matlab对该方法进行了测试。     

基于灰色支持向量机的连续梁桥线形控制研究

随着高速铁路的快速发展以及无砟轨道桥梁的建设要求,对于采用悬臂浇注施工的连续梁桥,对合龙精度以及成桥线形提出了更高的要求,需要对立模标高进行更加可靠的预测.传统的施工控制预测方法很难满足精度的要求,该文提出了通过灰色理论进行数据预处理,然后结合最小二乘支持向量机建立径向基核函数模型,对施工过程中悬臂端预拱度调整值进行预测,并与标准最小二乘支持向量机比较,以某一实际大跨度高速铁路连续梁桥为例,验证了灰色支持向量机应用于连续梁桥施工控制中的可行性和优越性.     

The Application of Support Vector Machine to the Fault Identification of Vehicle Automatic Transmission

本文中提出基于支持向量机的汽车自动变速器故障识别方法.首先利用设计的虚拟测试系统采集自动变速器3种状态下的运行数据,再对数据进行整理和筛选,提取合适的数据作为训练样本,然后设计基于支持向量机的多值分类器进行故障识别,最后与基于BP人工神经网络的诊断方法进行对比.结果表明,基于支持向量机的故障识别方法具有更快的收敛速度和更强的分类能力,适用于汽车自动变速器实时故障识别和诊断.     

仁博高速公路施工区水污染特性及治理分析

建设期施工区污水的处理是高速公路环境保护的重要内容,结合仁博高速绿色公路地域特点及建设情况,对其在建设过程中施工区的污水处理情况进行分析,研究污水的特性及对其对环境的影响,在对常规的污水处理工艺分析的基础上,根据项目特点依据生活污水、生产污水分别提出针对性的处理措施。结果表明,该项研究不仅有效减少了污水的排放,降低了环境污染,对绿色公路的建设也有着积极的影响。     

建设部对城镇污水处理情况进行全面调研与核查

为切实掌握污水处理厂建设和运行情况，加快解决污水处理设施建设和运行中存在的突出问题，促进城镇污水处理行业的健康发展，为“十一五”规划的实施以及相关政策措施的制定提供依据，建设部决定于2006年9月下旬至11月底，组织开展对城镇污水处理情况进行全面调研与核查工作。     

基于支持向量机模式识别原理的悬索桥吊杆损伤识别研究

吊杆为悬索桥主要的传力构件.为实时在线监测吊杆的损伤状态,文中以恒栽作用下的均布荷载挠度变形曲率为特征参数,采用支持向量机模式识别理论,对某大跨度悬索桥吊杆进行损伤识别研究.研究结果表明,支持向量机理论无论在损伤定位及损伤程度的识别上均具有较好的识别效果.     

支持向量机在路段行程时间预测中的应用研究

主要探讨支持向量机理论在路段行程时间预测中的应用。具体的方法是,首先将研究路段根据路段交通状态和车辆检测器设置情况进行分段,然后以前几个时段的各个小路段的交通流量、平均速度和车道占有率和整个路段的行程时间为输入,以下一时段的整个路段的行程时间为输出,选取高斯径向基函数作为核函数,建立了基于支持向量机的路段行程时间预测模型,从而探讨支持向量机在路段行程时间预测中的应用效果。最后,利用交通仿真软件的模拟数据进行验证,并与BP神经网络计算结果比较,计算结果的对比表明本文提出的方法预测效果更好。     

连续刚构桥施工阶段可靠性分析的支持向量机法

PC连续刚构桥采用悬臂浇筑法施工,施工过程中的结构受力状态、结构参数及外力具有随机性,为了研究PC连续刚构桥悬臂施工阶段体系可靠度,根据箱梁截面受压和受拉失效模式确定了悬臂施工阶段极限状态方程,建立支持向量机分类算法的可靠性分析计算格式,用于悬臂施工阶段可靠性分析,并应用在某高速公路大跨径PC连续刚构桥可靠性分析中,得出施工阶段可靠指标为3.719,施工荷载和梁截面尺寸的控制对桥梁施工过程中安全和质量问题至关重要,运用支持向量机法分析PC连续刚构桥施工阶段可靠度取得了良好效果,可为同类型桥梁可靠性分析提供借鉴和参考。     

基于SVM的西部河谷型中小城市居民出行方式选择问题研究

研究河谷型城市的交通特征,选择合理的交通出行方式,对于减缓河谷型城市的交通问题具有重要意义。现利用支持向量机在处理大维数、小样本数据方面的优势,以定西市为实例,对定西市的交通特征进行分析,对影响居民出行方式的影响因素进行统计,并利用支持向量机进行拟合,拟合效果较好,精度较高。研究成果说明:该模型在河谷型城市居民出行方式选择及预测中有较好的应用潜力。     

基于聚类分析算法的公交车到站时间预测研究

在现代城市中,准确获取公交车到站时间可以吸引更多人选择公交出行。但在目前城市交通日益拥堵的情况下,公交车在实际行驶过程中受多种因素的影响,导致行驶时间不稳定,这严重影响人们乘车体验感。本文结合了聚类分析和支持向量机,提出了一种基于聚类分析的公交到站时间预测模型。该模型使用了公交线路的站点数据,对所采集的数据进行标准化的预处理,并考虑了公交车在运行过程中受到的多种干扰因素,对鹰潭市27路公交上行线路进行了分析。结果表明,基于聚类分析和支持向量机的公交车到站时间预测模型的平均绝对误差在四十秒以内,预测精度也优于直接支持向量机的模型,能很好地预测公交车的到站时间。     

基于高清卡口系统数据的交通事故风险预测

高清卡口系统详细地记录了车辆轨迹等车流运行信息,该系统记录的高清卡口数据可以研究交通状态和潜在事故的内在机理。采用配对病例对照方法和支持向量机的方法侦测事故风险,用网格搜索法找寻支持向量机的判定函数的优化参数。结果表明,支持向量机分类器可以有效预测91.49%的事故,误报率只有2.63%,有助于对道路交通管理部门提供决策支持。     

基于支持向量机的沥青路面使用性能预测探究

在考虑模型的二次损失函数下,对传统SVM进行扩展开进,得到基于最小二乘支持向量机(LS—SV M)的回归模型,利用支持向量机(SVM)具有的泛华能力,通过非线性映射构建一个高维空间的最优超平面,来进行评价计算。通过对选取的样本的归一化处理,确定LS—SVM输入向量数量指标,引入拉格拉日函数进行变化,获得函数的对偶关系,从而在保证LS—SVM的训练速度和预测精度,快速寻找到模型的解。最后通过算例验证了模型在拟合过程和预测经过精度方相较于其他模型具有明显的优势,能有效满足实际工程应用需求。