支持向量机在路基沉降预测中的应用

在介绍了支持向量机基本原理和实现算法的基础上,将它应用于软土路基填筑施工中的沉降预测,提出了一种有效的预测方法,并构造了预测路基沉降的支持向量机模型。经过与传统BP神经网络方法预报结果比较,表明该方法在较少训练样本的情况下具有精度高、泛化能力强的特点。取得了较BP神经网络建模方法更好的预报效果。为预测填筑施工引起的软土路基沉降提供了一种新的方法。     

一种新的船型主尺度要素的数学模型

主尺度要素数学模型的建立是一项重要的工作.在分析支持向量机回归方法的基础上,提出了一种新的船舶主尺度要素模型,即基于支持向量机的数学模型.与传统数理统计回归分析方法和RBF神经网络模型相比,其具有收敛速度快,精度比较高.实践证明,该方法在船舶设计船型主尺度要素建模等复杂系统方面是实用和可靠的.     

有限财力支持下的公交可持续发展之路——以安康市公交公司为例

城市公共交通属于公益性事业,离不开财政支持。城市公交因财力支持不到位处于亏损状态,影响公交事业的可持续发展。本文以安康市公交为例,就如何在有限财力支持下走可持续发展之路进行探索研究,并提出推进公交健康发展建议。     

基于支持向量回归的路面损坏指数预测

应用支持向量回归算法而建立的路面损坏指数预测模型，通过对国际平整度指数、车辙深度指标的学习来预测路面损坏指数PCI。     

基于支持向量回归的地铁受电弓滑板磨耗趋势预测模型研究

针对列车供电系统中重要组成部分之一的受电弓滑板磨耗问题，设计了一款预测模型对地铁受电弓滑板磨耗趋势进行有效的拟合和预测，弥补了现有的检测系统只能对受电弓进行实时检测的不足。利用线性支持向量回归（SVR-Linear）、最小二乘支持向量回归（LSSVR）和优化后的最小二乘支持向量回归（MI-LSSVR）对检测系统得到的受电弓滑板数据进行训练和拟合，并利用训练后的模型实现滑板磨耗的预测，其中，MI-LSSVR的拟合精度最高，达到97.3%。此外，利用地铁行走的里程数据进行预测，提前得到下一次运行后的滑板厚度，在滑板即将磨耗到限时进行预测，可得到滑板还能承受的运行里程，减少受电弓检修人员的工作量，提高受电弓的使用效率。