最小二乘支持向量机-粒子群算法在地下厂房围岩参数反分析中的应用

为准确确定地下厂房围岩的弹性模量、泊松比、黏聚力、内摩擦角、侧压力系数等参数,以正交设计、最小二乘支持向量机和粒子群算法等现代数学方法为基本手段,建立基于位移增量的围岩参数反分析方法。以CCS水电站大型地下厂房为研究背景,通过工程地质条件研究选取8#机组剖面作为分析对象,采用二维弹塑性有限元方法建立地质结构分析模型。以地下厂房洞室群分层开挖多点位移计实测位移增量为依据,对CCS水电站地下厂房区域围岩力学特性及地应力场特征进行反分析。研究结果表明： 主厂房第Ⅵ层与第Ⅰ层开挖和主变室第4层与第1层开挖所产生的位移增量计算值与多点位移计实测值吻合较好,最大相对误差小于10%,说明采用最小二乘支持向量机和粒子群算法相结合的反分析方法在工程上是可行的,且效果较为显著。     

基于小波变换与支持向量机的舰船水压信号检测方法

采用小波变换与支持向量机相结合对舰船水压场信号建立检测模型.该方法通过对海浪信号进行小波分解并对某一特定低频频段信号重构,利用支持向量机对重构信号建立预测模型,预测误差值作为特征值对舰船水压信号进行检测.通过检测验算表明此方法的有效性,特别是在低信噪比情况下,仍能较好地检测到目标信号.     

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。     

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。     

基于单参数自调节RM-GO-LSVR的船舶操纵灰箱辨识建模

为实现舵角小、试验数据少条件下船舶操纵辨识建模, 提出了一种船舶操纵运动灰箱模型; 搜集水动力系数已知的船舶运动数学模型作为备选参考模型(RM), 计算被辨识船舶与备选RM的相关系数, 并以此筛选合适的RM; 运用相似准则将观测数据映射到RM的输入值域, 建立被辨识船舶与RM的运动关联, 获得了RM的加速度项, 并使用线性支持向量回归(LSVR)机补偿被辨识船舶和RM加速度项间的误差; 分析了机理模型, 设计了合适的LSVR输入项, 使用全局优化(GO)算法自动调节了LSVR的不敏感边界参数; 基于自航模试验数据训练了灰箱模型, 并与约束模试验(CMT)结果和计算流体力学结果比较, 验证了灰箱模型的泛化能力和预报精度。研究结果表明: 在20°船艏向、20°舵角Z形试验预报中, 灰箱模型所得第一超越角精度至少比CMT、虚拟约束模试验(VCMT)和RM方法所得结果高1°, 灰箱模型所得第二超越角精度至少比CMT和VCMT所得结果高0.4°; 在35°舵角旋回试验预报中, 灰箱模型所得进距精度至少比CMT、VCMT、数值循环水槽试验(NCWCT)和RM方法所得结果高1%, 灰箱模型所得战术直径精度比CMT所得结果低4%, 比NCWCT所得结果高10%;RM方法有助于灰箱辨识建模, GO算法能够优化LSVR的不敏感边界参数, 建立的单参数自调节灰箱辩识建模方法能够实现小舵角、少数试验条件下的船舶操纵辨识建模。     

广告和服务投入及价格选择的多维博弈分析

根据现代企业在市场竞争中的特点，建立了2个企业在市场上同时进行产品广告、服务和产品价格选择的多维博弈模型，并求得其均衡解．对均衡解的分析表明，企业确定产品广告和服务投入以及价格选择时，应从上述3方面综合考虑，选择最优的策略向量，以使企业的利润最大化．     

基于乘客感知的多模式公交服务质量差异性研究

针对多模式公交服务质量的差异性，提出一种以TAN贝叶斯网络与支持向量机(SVM)为 基础的多方法组合评价模型，评价各模式公交服务质量，并预测检验了指标优化效应。首先，采 集2015—2018年市区线路、郊区线路、快速公交、定制公交的服务质量调查数据，基于公交方式截 面，使用TAN贝叶斯网络推理得出各因素对乘客满意度的影响能力及潜在影响关系；其次，结合 IPA分析方法，基于时间截面定位分析各模式公交选取指标的服务水平，辨识各模式公交需优化 的主要指标；最后，选取多层感知器(MLP)、长短时记忆神经网络(LSTM)与SVM进行对比，验证 了SVM回归预测的精准度，并采用SVM与OAT方法预测得到各模式公交满意度变化及指标敏 感性，参照因素间潜在的影响关系提出优化方案。结果表明：4种公交模式的服务质量影响关系 网络具有差异性，各模式公交均存在车厢拥挤问题，市区线路的指标优化效果最佳，正效应为 36.4%；市区和郊区线路均应与其他模式公交匹配发车计划，通过缩短乘客候车时长可分别提升 39%、32.2%的乘客满意度；快速公交需提升车辆行驶的稳定性，定制公交需要调整线路规划，减 少乘客乘车总时长，优化为整体服务质量提升带来的正效应分别为42.7%和37.4%。     

基于改进多尺度排列熵的S700K转辙机故障诊断

基于提速道岔S700K转辙机故障的功率曲线在频域上的多重特征,提出了基于改进多尺度排列熵的多变量支持向量机(structured support vector machine, SSVM)故障诊断方法.首先对S700K转辙机动作功率曲线进行集合经验模态分解和小波分解,获得两类不同时间尺度的模态分量;再利用改进多尺度排列熵计算不同分量的故障特征参数,为了降低计算维度,应用核主元分析理论,在不损失信号重要特征的情况下,取大于95%贡献率的特征值作为故障特征向量;最后,引入基于决策树的SSVM算法,经过小样本训练得到树状最优故障间隔面,从而实现S700K转辙机故障分类.实验结果表明:该方法可有效判定S700K转辙机故障类型,进而提高故障诊断精度和效率.     

基于SVM的地铁闸机检测识别系统研究

在复杂环境下提高地铁闸机智能识别系统的识别率是一项极其困难的工作。针对地铁闸机通行中各种事件的不同情况,提出了一种基于支持向量机的智能识别方法,并设计了基于双CPU控制和红外传感器的智能检测识别系统,通过合理安排红外传感器的位置,获取通行乘客经过闸机通道时的运动序列,结合图像识别等辅助功能,最终判断通行乘客情况。大量样本数据表明,通过SVM的方法使控制系统精度和处理能力得到提高,识别率超过90%,较好地满足了市场需求。     

基于K-均值聚类和支持向量机的电动汽车行驶工况研究

针对现有行驶工况难以反映车辆真实驾驶情况的问题,以国内典型大中型城市——西安市为例,对电动汽车行驶工况构建方法进行研究.根据西安市道路布局,设计了城市道路行驶工况数据采集方案;提出了一种K-均值聚类和支持向量机相结合的半监督分类模型,构建了西安工况;最后将西安工况与原始试验数据和国际标准行驶工况进行对比.研究结果表明:西安工况与实际道路行驶数据特征参数的相对误差均小于5％,平均相对误差仅为2.66％,构建的行驶工况能够真实反映西安市车辆的运动特征;且由于动力系统的差异,电动汽车工况比内燃机车工况更为激进.