搜索结果: 1-15 共查到“工学 LSSVM”相关记录30条 . 查询时间(0.062 秒)
为避免锅炉燃烧系统智能算法建模中特征变量维度过大造成的模型复杂以及过拟合问题,基于PCA提取主成分,利用PSO算法优化模型参数,建立了PCA-PSO-LSSVM锅炉效率预测模型。研究结果表明:PCA-PSO-LSSVM模型的预测精度更高,泛化能力更强,其中误差最大的锅炉效率模型测试集数据的平均相对误差仅0.002 49%,均方误差为0.004 51;未经过PCA提取主成分的PSO-LSSVM模型测...
准确预测光伏发电功率对于保障电力系统安全稳定和经济运行具有重要意义。提出一种基于改进骨干差分进化算法(IBBDE)优化最小二乘支持向量机(LSSVM)的光伏发电功率预测模型。IBBDE算法采用广义反向学习初始化种群和自适应调整交叉概率对骨干差分进化算法进行改进以提升算法的全局寻优能力,利用IBBDE算法优化LSSVM预测模型的正规化参数和核参数来提高模型的预测精度。采用西藏某光伏电站发电功率进行预...
为了能够精确预测短期电价为市场参与者提供有效的决策指导，首先对电价数据进行水平处理，然后建立BP神经网络(BPNN)和最小二乘支持向量机(LSSVM)组合变权模型(BP-LSSVM)，同时提出采用遗传算法(GA)对该组合变权模型的权重进行优化，最后将权重优化之后的GA-BP-LSSVM模型应用于美国PJM电力市场的边际电价预测，并与传统的LSSVM与BPNN的预测结果进行比较，结果表明，该组合变权...
为优化混合制浆材中Klason木质素含量的近红外分析模型，收集了5种常见制浆材的82个原木样品，将样品粉碎预处理后在便捷式近红外光谱仪上采集其近红外光谱信号，对原始光谱数据进行多元散射校正（MSC）预处理，利用粒子群寻优（PSO）算法对最小二乘支持向量机（LSSVM）算法中的参数进行优化，然后利用最优参数建立混合制浆材Klason木质素的LSSVM定量分析模型。将结果与偏最小二乘（PLS）和主成分...
对造纸厂的用电负荷进行预测有利于对生产调度进行合理安排，从而降低能耗。本课题提出了一种粒子群优化算法（PSO）和最小二乘支持向量机（LSSVM）相结合（PSO-LSSVM）的短期电力负荷预测方法，该方法可对造纸厂未来每30 min的电力负荷进行预测。结果表明，采用PSO-LSSVM算法对短期电力负荷进行预测时，预测结果的相对百分误差绝对值的平均值约为0.75%，精度高于其他行业的电力负荷预测值，模...
基于IGWO-LSSVM的弹体侵彻地下洞室毁伤效应预测
侵彻 灰狼优化算法 最小二乘法支持向量机 峰值压力 预测
2018/2/8
侵彻的巨大动能会对结构造成毁伤,准确预测弹体侵彻地下洞室的毁伤效应,对地下防护工程的设计具有重要意义。针对当前方法存在的问题,提出了改进型灰狼算法优化最小二乘法支持向量机(IGWO-LSSVM)模型,通过对训练样本的训练,形成输入量到输出量之间的映射关系,根据输入量可以得出相对应的拱顶峰值压力,实现了对弹体侵彻下不同跨度、不同埋深的地下洞室毁伤效应的预测。并利用ANSYS/LS-DYNA数值仿真结...
基于CHCQPSO-LSSVM的空战目标威胁评估
目标威胁评估 最小二乘支持向量机 混沌量子粒子群
2018/2/8
针对传统评估方法存在的模型精度低、结构复杂、无法进行实时动态威胁评估等问题,提出了一种基于最小二乘支持向量机(LSSVM)的空战目标威胁评估方法。首先,对空战特征数据进行威胁指数分析,结合专家评判构建威胁评估样本库;然后,采用交叉杂交的混沌量子粒子群算法(CHCQPSO)对LSSVM中的正则化参数与核函数参数进行寻优,并与经典PSO、BP神经网络、网格法模型进行对比分析;最后,用优化后的LSSVM...
基于PSO-LSSVM的森林地上生物量估测模型
森林地上生物量 粒子群算法 最小二乘支持向量机 估测模型
2016/12/22
为提高森林地上生物量估测精度，从建模因子和建模方法出发，提出了一种综合考虑影像纹理特征、地形特征、光谱特征的粒子群优化最小二乘支持向量机生物量估测方法。以松山自然保护区为研究区域，以资源三号遥感卫星数据为数据源，配合194块调查样地实测数据、森林资源二类调查数据、数字高程模型数据，通过分析46个特征变量与森林地上生物量间的Pearson相关性，进行特征变量优化提取，建立PSO-LSSVM模型并在M...
LSSVM模型下的LCVR相位延迟特性标定方法
液晶相位延迟器 最小二乘支持向量机 相位延迟 标定
2016/8/4
为了标定液晶相位可变延迟器(Liquid Crystal Variable Retarder,LCVR)的相位延迟特性,在25℃、405 nm波长下,利用搭建的测量装置采集了141组实验样本,其中71组样本为训练集,70组样本为预测集,利用最小二乘支持向量机(Least Squares Support Vector Machines,LSSVM)和支持向量机(Support Vector Mach...
基于HP-Elman-LSSVM模型的仓储烟草霉变预测
仓储烟草 HP-Elman-LSSVM模型 烟草霉变 霉变率 预测精度
2016/3/15
为提高仓储烟草的霉变预测精度,建立了HP-Elman-LSSVM模型来预测仓储烟草的霉变。模型选取仓储环境的温度、湿度和烟草的自身含水量3个影响仓储烟草霉变的主要因素作为模型输入的变量,以某烟草公司的实际生产数据为训练和验证样本,进行仓储烟草霉变率预测。实验结果表明,HP-Elman-LSSVM模型的预测精度明显高于单一模型;且多次不同训练样本的实验结果表明平均相对误差在5%~6.5%,能满足工程...
基于改进的PSO优化LSSVM参数的松花江哈尔滨段悬浮物的遥感反演
悬浮物 遥感反演 松花江
2014/8/5
悬浮物是松花江水质和水环境评价的重要参数之一.利用在松花江哈尔滨段江面上29个采样点的实测高光谱和悬浮物浓度数据，用20个采样点数据为训练集，9个采样点数据为测试集.将机器学习和全局优化智能计算方法引入，应用改进的粒子群（PSO）优化最小二乘支持向量机（LSSVM）参数，以均方根误差RMSE为适应度函数，根据迭代得到LSSVM最优参数值，用700 nm和750 nm光谱反射率比值（R700/R75...
采用 ＩＣ 厌氧废水处理系统处理人工合成废水，并利用 ＰＣＡ⁃ＬＳＳＶＭ 模型对系统出水挥发性脂肪酸（ＶＦＡ）进行预测．首先利用主成分分析
法（ＰＣＡ）分析影响厌氧废水出水 ＶＦＡ 浓度的多个变量的相关性并降低输入变量维数，然后用网格搜索结合 １０ 倍交叉验证优化 ＬＳＳＶＭ 模型
参数 ｓｉｇ２ 和 ｇａｍ，最后利用建立的模型对实验数据进行仿真预测．仿真结果表明，稳态 ＬＳＳＶＭ...
基于粒子群算法LSSVM短期负荷预测模型研究
短期负荷预测 粒子群优化算法 最小二乘机支持向量机 参数选取 Short-Term Load Forecasting Panicle Swarm Optimization Least Squares Support Vector Machine Parameter Selection
2014/6/19
短期负荷预测的精度直接影响电力系统运行的可靠性和供电质量。提出一种基于粒子群优化算法的最小二乘支持向量机短期负荷预测的模型和算法，对最小二乘支持向量机的参数寻优，再以测试集误差作为判决依据，对模型参数的进行优化选择，从而提高预测精度，避免最小二乘支持向量机对经验的依赖以及预测过程中对模型参数的盲目选择。利用该模型对某电网进行负荷预测，证明该模型有较好的收敛性、较高的预测精度和较快的训练速度。Sho...
黄河头道拐站开河日期预测的LSSVM方法
开河日期 最小二乘支持向量机
2015/9/9
根据实测冰情数据分析发现,可将冰盖厚度演变过程作为预测头道拐站的开河日期的主要依据,同时还应考
虑封冻期气温、流量等对冰盖厚度的持续性和累积性影响。据此提出了一种应用数据挖掘技术和LSSVM进行头
道拐站开河日期预测的新方法。应用LSSVM模型对头道拐站2010年、2011年和2012年开河日期的预测结果表
明,可在封冻期内任一冰盖厚度测量日期利用上述方法对该站的开河日期进行预测,有效延长了...