融合蚁群算法与支持向量机的网络流量预测

网络流量的精确预测对控制网络拥塞有效控制有着重要意义。支持向量机是一种新的机器学习方法,能有效解决非线性、小样本及高维等问题。因为支持向量机的训练参数的取值与其预测能力有着较大关系,所以经常采用遗传算法选取训练参数。但是,遗传算法容易陷入局部极值,而蚁群算法     

两个三维柱层式Ce混合羧酸多孔金属-有机骨架配合物的合成、结构与磁性

采用水热法合成了两个新的混合羧酸铈多孔金属-有机骨架配合物[Ce2(fum)3 (H2O)4?(bdc)?(H2O)2]n（1）和[Ce2(suc)2(ox)(H2O)4?(H2O)4]n（2）,利用元素分析、红外光谱、热重分析和单晶X射线衍射对其组成和结构进行了表征,并通过磁性测量研究了其磁学性能. 单晶X射线衍射结果表明,配合物1和2均为三维柱层式多孔金属-有机骨架结构. 配合物1由Ce离子和富马酸（fumarate, fum）形成层,层与层之间再通过富马酸作为柱状配体支撑形成三维结构,并在层间的两个方向上形成相互交错的通道,未配位的中性对苯二甲酸分子（p-benzenedicarboxylate, bdc）和晶格水分子填充于孔道中. 与配合物1类似,配合物2由Ce离子和丁二酸（succinate, suc）形成层,层间通过草酸（oxalate, ox）作为柱状配体支撑形成三维结构,在层间的三个方向上具有相互交错的通道,晶格水分子填充于孔道中.     

四氮唑衍生物构筑的金刚烷拓扑金属-有机骨架的合成、表征及荧光性质

5-氨基四氮唑(HATZ)与硝酸锌通过溶剂热反应得到了一个新的化合物,[Zn(ATZ)2]?DMA (1),并对其进行了X射线粉末衍射,红外和元素分析表征. 单晶X射线分析表明,该化合物展示了一个三维四连接金刚烷拓扑的微孔金属有机框架,沿[100]方向的孔道维度大约12.7 ? × 8.9 ?,PLATON计算表明孔体积为53.5%. 此外,荧光光谱测试表明化合物在室温下显示较强的蓝色荧光性质.     

新型三维金属-有机配位聚合物的合成、结构与性能

在中温混合溶剂热条件下,分别用镉离子和锰离子与混合多羧酸和多氮配体合成出两个金属-有机配位聚合物[M6(TDC)6(hmt)2(DMF)6(H2O)3 ? (H2O)] (JUC-85a, JUC-85b) (M = Cd 或 Mn,TDC = 噻吩-2,5-二羧酸,hmt = 六次甲基四胺,DMF = N,N-二甲基甲酰胺, JUC = Jilin University China),并通过X射线单晶衍射、元素分析、热重分析、粉末X光衍射、拓扑结构分析和荧光分析对其结构、组成和性质进行了表征. 单晶衍射结果表明,化合物JUC-85a和JUC-85b是同构的三维开放骨架结构,具有一种从少见的(3,6)连接拓扑结构loh1. 同时,JUC-85a具有很好的荧光性质.     

金属-有机骨架对苯二甲酸酯-铝吸附水中酚类化合物动力学和热力学

以吸附等温线、动力学和热力学等方法研究了金属-有机骨架对苯二甲酸酯-铝[MIL-53(Al),MIL:Materials of Institut Lavoisier]对水中邻硝基苯酚、苯酚和邻苯二酚的吸附行为。 MIL-53(Al)对上述酚类化合物的吸附符合准二级吸附动力学模型,且包含表面吸附和孔内扩散两个过程。 吸附热力学结果表明,MIL-53(Al)对酚类化合物的吸附是自发的,且为吸热和熵增加过程。 在40 ℃条件下,MIL-53(Al)对邻硝基苯酚、苯酚和邻苯二酚的吸附量分别为78.6、30.5和16.5 mg/g。     

利用地基红外高光谱发射率数据进行云参数反演(1): 云相态判别

云相态是气候模式中的重要参数,也是遥感反演过程中进行云滴有效半径、云水含量等微物理参数反演的重要前提。在研究了云层有效发射率光谱对云相态敏感性的基础上,提出了基于云层有效发射率光谱的云相态表达特征,包括800～900 cm-1区域的有效发射率斜率、900～1 000 cm-1区域的有效发射率斜率、上述两个区域的有效发射率斜率之差、862.1与989.8 cm-1的有效发射率之比、862.1与989.8 cm-1的有效发射率之差、1 900.1与2 029.3 cm-1的有效发射率之比、远红外窗区有效发射率平均值与900 cm-1有效发射率之比等7个特征。建立了利用支持向量机进行云相态判别的方法,开展了模拟数据验证试验,并利用遗传算法优化了支持向量机的径向基核函数参数和惩罚因子。将该方法用于处理ARM计划中SGP站点的AERI仪器获得的数据,得到的云相态判别结果与Shupe提出的多仪器综合判别结果进行了比较。结果表明,利用红外波段不同窗区的有效发射率光谱特征可以实现发射率低于0.95的云层的相态判别,建立的基于支持向量机的云相态判别方法与Shupe方法的总体判别结果较为一致,但有约30%的云层由于发射率较大而标记为不透明云。基于红外高光谱发射率数据的云相态判别技术充分考虑了光谱斜率、比值和差值等信息,是较为稳定有效的薄云相态判别方法。     

基于受限玻尔兹曼机的电能质量复合扰动识别

针对目前电能质量混合扰动识别精度不高的问题,引入了受限玻尔兹曼机(RBM)算法。RBM是深度学习的一种新颖算法,在语音识别、机器视觉和图像恢复等领域已取得了很好的应用成果,但在电能质量复合扰动识别上尚未涉及。区别于传统算法提取特征的方式,深度网络通过提取波形的固有抽象特征,克服了人工特征选择的缺陷以及传统神经网络训练时收敛速度慢、容易限于局部最优的缺点。复合扰动信号经过深度网络自动获得特征参数,再经过分类器进行分类识别。实验验证该算法在电能质量复合扰动识别上可以达到很高的性能,优于传统的识别方法。 更多还原     

基于LIBS技术的钢铁合金中Cr和Ni元素SVM定量分析方法研究

针对钢铁合金样品中存在基体效应复杂的问题,通过优化支持向量机模型的输入特征,建立多元素变量的定量分析模型,预测钢铁合金样品中Cr和Ni元素的含量。研究结果表明,分别以特征谱线的峰值强度和积分强度作为支持向量机模型的输入时,积分强度因为包含了谱线的谱宽和形状信息,模型训练效果较好;相比于单一元素谱线的特征信息,采用多元素的多条谱线信息输入支持向量机模型时,模型训练效果较好,这是由于多种谱线信息的输入可以有效校正基体效应的影响。在此基础上,通过归一化变量将内标法与多变量定标方法有效结合,不仅可以减小实验测量误差还能有效校正基体效应的影响,而且有效提高了模型的重复率和准确率。归一化变量作为支持向量机模型的输入变量,对待测样品S₁和S₂中Cr元素含量预测的相对误差为6.58%和1.12%,对Ni元素浓度预测的相对误差为13.4%和4.71%。通过归一化变量将内标法与多变量定标方法有效结合,可以充分发挥SVM算法的非线性学习优势,为LIBS技术应用于复杂样品定量定标分析提供理论基础。     

基于SVM与RF的苹果树冠LAI高光谱估测

叶面积指数(leaf area index,LAI)是反映作物群体大小的较好的动态指标。运用高光谱技术快速、无损地估测苹果树冠叶面积指数,为监测苹果树长势和估产提供参考。以盛果期红富士苹果树为研究对象,采用ASD地物光谱仪和LAI-2200冠层分析仪,在山东省烟台栖霞研究区,连续2年测量了30个果园90棵苹果树冠层光谱反射率及LAI值;通过相关性分析方法构建并筛选出了最优的植被指数;利用支持向量机(support vector machine, SVM)与随机森林(random forests, RF)多元回归分析方法构建了LAI估测模型。新建的GNDVI₅₂₇,NDVI₆₇₆,RVI₆₈₂,FD-NVI₆₅₆和GRVI₅₁₇五个植被指数及前人建立的两个植被指数NDVI₆₇₀和NDVI₇₀₅与LAI的相关性都达到了极显著水平;建立的RF回归模型中,校正集决定系数C-R2和验证集决定系数V-R2为0.920,0.889,分别比SVM回归模型提高了0.045和0.033,校正集均方根误差C-RMSE、验证集均方根误差V-RMSE为0.249,0.236,分别比SVM回归模型降低了0.054和0.058, 校正集相对分析误C-RPD、验证集相对分析误V-RPD达到了3.363和2.520,分别比SVM回归模型提高了0.598和0.262,校正集及验证集的实测值与预测值散点图趋势线的斜率C-S和V-S都接近于1,RF回归模型的估测效果优于SVM。RF多元回归模型适合盛果期红富士苹果树LAI的估测。     

基于支持向量机的序列可靠性优化方法

在工程设计中,可靠性优化设计通常计算量较大或精度不够。本文提出了一种基于支持向量机（Support Vector Machine）和MPP（Most Probable Point）的可靠性分析方法。用SVM 在MPP处替代原极限状态函数,并利用极限状态函数的梯度信息,使SVM模型穿过M PP并与原函数相切,再基于SVM采用重要抽样法计算失效概率。然后,将SORA（Sequential Optimization and Reliability Assessment ）与基于SVM 的可靠性分析方法相集成,将传统的双循环可靠性优化算法解耦为单循环,并通过基于SVM 的可靠性分析方法修正了SORA中由于线性近似带来的误差,保证了最优设计点处可靠性分析的精度。算例证明,该方法在处理非线性问题时具有精确度高和计算量适度的特点。