基于影响因素的SVR备件需求预测研究

文章介绍了支持向量机学习算法,说明其特点,并引出基于影响因素的支持向量回归的备件需求预测方法,用某型备件的历史需求数据例证此法的可行性与精确度。     

2009年全球20大集装箱班轮公司

美国著名的国际贸易与物流杂志AmericanShipper2009年第9期刊登题为Top20ContainerLines的文章,对全球20大集装箱班轮公司（见表1）的经营情况进行分析。与2008年相比,2009年全球20大集装箱班轮公司的排名变化不大。通常情况下,现金流充足且获得投资者和政府支持的大型班轮公司抗风险能力较强。     

驾驶风格聚类与识别研究

为实现驾驶人驾驶风格的准确聚类和有效识别,以NGSIM数据为依据,提取包含换道行为的16 s车辆行驶轨迹,选取可以全方位表征驾驶人驾驶特性的评价指标并借助因子分析法实现指标的降维;在此基础上选用k-means聚类算法对所得样本数据进行聚类分析,把驾驶风格分为谨慎型、普通型和激进型;最后对比了SVM和ANN驾驶风格识别模...     

重载货车驾驶人驾驶风格识别与量化研究

重载货车驾驶人的激进驾驶风格具有强烈的习惯性特征和风险性特征,一旦养成很难矫正,且极易诱发交通事故。针对现有研究极少关注重载货车驾驶人驾驶风格的不足,本文基于某全国货运监管平台提供的云南省重载货车低频轨迹数据,从风格聚类、风格识别和风格评估这3个方面,提出综合考虑疲劳驾驶特征和超速驾驶特征的重载货车驾驶人驾驶风格分析方法。首先,基于轨迹数据蕴含驾驶人驾驶行为模式的特点,构建表征重载货车驾驶人驾驶风格的疲劳驾驶和超速驾驶特征集;其次,利用因子分析进行特征约简,并采用K-均值聚类方法划分重载货车驾驶人的驾驶风格;然后,构建基于支持向量机的驾驶风格识别模型,并与梯度提升决策树的识 别结果进行对比;最后,基于疲劳驾驶特征和超速驾驶特征的累积分布,建立基于 CRITIC (Criteria Importance Though Intercriteria Correlation)赋权法的重载货车驾驶人驾驶风格量化评估 模型。研究结果表明：经过特征约简,提取的疲劳因子和超速因子能综合反映上述两类特征集 80.838%的信息;根据疲劳因子和超速因子可将驾驶风格划分为4种类别,即稳健型、超速型、疲劳型和危险型,相应重载货车驾驶人比例依次为62.60%、25.02%、7.40%和4.98%;基于支持向量机的重载货车驾驶人驾驶风格识别模型对不同风格的识别准确率均大于97%,整体表现优于梯度提升决策树;基于CRITIC赋权法的驾驶风格评估模型能有效量化重载货车驾驶人的驾驶风格, 其中稳健型驾驶人表现最好,75%以上的驾驶人风格评估总分高于60分;危险型驾驶人表现最差,75%以上的驾驶人风格评估总分低于20分。研究结果可为重载货车驾驶人不良驾驶行为的监测、干预和管理提供理论依据和技术支撑。     

新能源城市公交车支持政策现状及建议

一、引言 根据《中国机动车环境管理年报》数据分析,机动车特别是柴油车已经成为许多大中城市的首要污染源,减少柴油货车使用是治理大气污染的重要举措.其中,城市公交是公共交通服务的重要组成部分,当前仍是全国最大承载量的公共交通工具,主要使用中重型柴油车,成为了新能源汽车推广应用的重要领域.2009年,国家启动"十城千辆"试点...     

基于Web的城市公安综合信息管理系统设计

城市公安信息管理系统是对各种公安信息进行处理的计算机应用系统,它可以规范公安系统管理流程、提高办公效率、加强决策支持、具有非常现实的意义.在分析当前公安信息管理现状的基础上,设计了一个基于Web的城市公安综合信息管理系统.     

基于最小二乘支持向量机的公路软基沉降预测

通过影响因素分析,确定了软土层厚度、软土层压缩模量、地表硬层厚度、地表压缩模量、路堤高度、路堤顶宽、路基填筑时间和填筑竣工时沉降量等参数对公路软基沉降有影响。对公路软基的观测数据进行分析和取样,输人样本为各参数,输出样本为路堤中线下地表沉降值,利用最小二乘支持向量机的非线性映射和泛化能力,通过训练,建立了公路软基沉降预测模型。研究表明．所建立的模型对公路软基沉降进行预测具有较高的精度．同时具有很好的泛化性能。     

SVM复合控制算法在机炉协调控制系统中的应用研究(英文)

针对船舶主动力装置中机炉协调系统中存在的多变量强耦合、非线性及大延迟等特点,提出了基于SVM逆辨识的复合控制策略,并应用于协调控制系统的仿真研究.该方法将直接逆模控制与模糊控制结合,既利用了支持向量机逆控制设计简单,稳态精度高的优点,同时结合模糊控制响应快速,抗干扰能力强,鲁棒性好的优势,使得支持向量机模型即使没有经过足够充分的训练,也能保证控制器从一个快速和稳定的初始状态开始控制.仿真结果表明,该SVM复合控制算法在控制品质上有很大的提高.在动态响应速度、静态稳定性、抑制大超调以及鲁棒性等方面都表现出了极好的性能.     

基于EMD的柴油机失火故障诊断

提出了一种基于经验模式分解（Empirical Mode Decomposition,EMD）和自回归（Auto Regression,AR）模型的柴油机失火故障诊断方法．对3110型柴油机断油故障及正常情况下的缸盖振动信号进行了测试分析,采用经验模式分解EMD方法对振动信号进行分解,得到固有模态函数（Intrinsic Mode Function,IMF）,对每一个IMF分量分别建立AR模型,以模型的自回归参数和残差的方差作为特征向量,用支持向量机（Support Vector Machines,SVM）进行分类,判断柴油机的工作状态和故障类型．实验结果分析表明,该方法即使在小样本情况下也能准确有效地诊断柴油机失火故障,能实现故障的实时自动化诊断．     

SMO算法在邮件过滤中的应用

针对传统的支持向量机(SVM)算法在速度方面的缺陷,本文提出将序列最小优化(SMO)算法引人到垃圾邮件过滤系统中,实验结果证明,该模型训练时间快,过滤效果好.