基于小波分析的最小二乘支持向量机轨道交通客流预测方法

针对城市轨道交通客流预测问题,采用离散一维Daub4,小波分析方法对某一时间段的原始客流时间序列数据进行分解;以分解得到的高频分量和低频分量为样本数据,对最小二乘支持向量机进行训练,确定最小二乘支持向量机的核参数σ,以及系数a和b.利用训练后的最小二乘支持向量机预测未来一段时间客流时间序列数据的高频分量和低频分最,然后再利用Daub4小波分析方法对预测的高频分量和低频分量进行数据重构,从而得到预测的未来一段时间客流时间序列数据.与历史平均预测法和灰色预测法进行比较,结果表明,基于小波分析的支持向量机客流预测方法用于轨道交通短期客流预测具有更好的精度.     

基于SVM智能预测的车地多网融合无线通信系统方案的研究与设计

为提高城市轨道交通车地无线通信质量,提出了一种车地多网融合无线通信系统方案,方案利用线路中共存的多种车地无线网络提供多条通信链路,共同保障车地数据的稳定传输。针对如何选择最优网络进行数据传输这一关键技术点,采用支持向量机（SVM）分类方法实现智能选择。最后,通过搭建车地多网融合无线通信系统的仿真环境,进行实验仿真。仿真显示:列车在当前车地无线网络信号质量下降时,能够智能检测并切换至质量更优的无线网络完成车地数据通信。基于SVM智能预测的车地多网融合无线通信系统方案能够提高车地无线通信质量,该方案具备有效性和可行性。     

多输出支持向量回归算法

提出了一种新的多输出支持向量回归算法(M-SVR),给出了定义在超球上的损失函数,并将训练SVM的问题转化为迭代解线性方程组的问题.在求解过程中采用边计算边使矩阵降阶的办法,使得在求解的同时找到了支持向量.实验结果表明:M-SVR算法与SVR算法相比,支持向量明显减少,并且具有更好的整体预测精度和抗噪性能.     

一种在线快速判定交通流混沌的方法

对混沌、非混沌交通流序列进行了多尺度分解,发现在高频系数部分存在明显结构上的差异,依据这种差异提出了一种基于系统历史信息的在线快速判定交通流混沌的方法.实验结果表明:新的混沌判定方法比传统的混沌判定方法需要的样本数少、识别率高.该判定方法同样适用于其他确定系统在线混沌现象的快速判定.     

网络控制系统的时延估计和自适应预测控制

提出了基于最小二乘支持向量机（LS-SVM）的网络时延预估网络控制系统（NCS）的自适应预测控制方法．先将网络时延转化为非线性时间序列，再用径向基函数（RBF）作为LS-SVM的核函数，建立NCS的时延预测模型．用通过该模型预测的时延设计自适应控预测制器，补偿和控制NCS的时延．仿真结果表明，该时延预测方法对NCS的随机时变时延有较高的预测精度，根据预测的时延设计的控制器能使系统的输出很好地跟踪期望的输出．     

异常检测在数据预处理中的应用研究

现实应用中经常需要对过程数据采用支持向量机等技术进行分类预测,在分类预测模型的构建过程中,数据的有效性是一个很重要的方面。本文针对目前数据清理的方法,提出了一种结构化的方法,应用到过程数据处理领域,并给出了这种方法应用前后支持向量分类器的预测性能的定量比较。     

客运专线车站建设的几点建议

随着我国客运专线的建设,与之配套的客运专线车站的建设便成为当务之急.客运专线车站的建设应与城市总体规划相吻合,走集约化建设的道路,并且要坚持适度超前的原则,合理确定车站的规模,以减轻对城市用地的压力,同时应加强信息化建设,对各种交通方式的换乘提供有效的支持;客运枢纽的建设可以考虑采用差别化服务策略以提高服务水平;注重车站与城市交通方式的合理衔接,使进出站客流的流动更加通畅.     

大规模训练集的快速缩减

为了进一步减少支持向量机的训练时间,提出了一种基于类别质心的训练集缩减算法.该算法根据样本的几何分布去除训练集中大部分非支持向量.对样本规模在104数量级的数据集进行了训练实验,结果显示,在基本不损失分类精度的情况下,训练时间比直接用SMO(序贯最小优化)算法减少30%,说明该算法能有效地提高支持向量机的训练速度.     

基于支持向量机的励磁涌流识别算法

为提高变压器差动保护识别励磁涌流的能力,将支持向量分类机应用于励磁涌流识别,提出了一种基于支持向量分类机的变压器励磁涌流和内部故障识别新方法.基于励磁涌流和内部故障电流的特点,充分考虑电流互感器饱和的特点提取电流互感器二次侧间断角和二次谐波等特征,并对励磁涌流和内部故障电流的识别方法进行了分析;用EMTDC程序进行仿真,生成训练样本和测试样本,对支持向量机进行了训练和测试.结果表明,应用支持向量分类机对励磁涌流和内部故障进行识别,识别率平均可达99%以上.     

基于支持向量机的超早强混凝土抗压强度预测研究

近年来,工程中对超早强混凝土的要求越来越严格,不仅要求在规定时间内达到一定强度,而且还要求经济效益最大化。超早强混凝土强度受多种因素的影响,其抗压强度预测是一个复杂的过程。因此,基于支持向量机理论,建立超早强混凝土抗压强度预测模型,选用不同的核函数及其参数进行预测,将预测值与实测值相对比,得出最优的核函数。经研究发现:线性核函数与RBF核函数的预测结果与实测值吻合较好,RBF核函数的预测值更加接近实测值。