基于IFOA-FSVM的WRF模式台风期阵风精细化预报

为提高天气预报模式(Weather Research and Forecasting Model, WRF)输出中台风期阵风的预测精度,将WRF模式输出与某观测站实况数据相结合,提出一种台风期阵风精细化预报方法.针对影响台风风速的因素众多,而传统依据人工经验预判的风速存在较大误差的现状,该方法构建了台风期阵风预测的模糊支持向量回归模型,同时为解决模糊支持向量回归模型中惩罚因子C和核参数g难于确定的问题,将果蝇优化算法(Fruit Fly Optimization Algorithm, FOA)引入到模糊支持向量机(FuzzySupportVectorMachine,FSVM)的参数寻优中,并根据风速回归的特点,把果蝇优化算法引入到三维空间,结合增强因子γ以提高传统果蝇优化算法的全局寻优能力.实验结果表明,本文构建的模型预测风速与实际风速基本一致,相关性达到99%,不仅提高了WRF模式风速的适用性,而且风速预测精度明显优于传统FOA-FSVM和FOA-SVM方法,具有更强的泛化能力.     

模糊聚类支持向量机的区域空气PM_(2.5)浓度预报

在分析模糊C均值聚类算法与支持向量机回归的特点后,将二者结合,提出了模糊聚类支持向量机回归(FCM-SVR)算法,对空气中颗粒物浓度PM2.5进行预测.该方法首先利用模糊C均值聚类算法把一个复杂的数据集分成多个群体,再在每个群体上建立支持向量机回归(SVR)模型,然后进行集成,对区域空气的PM2.5浓度进行预测.预测结果分别与自组织竞争神经网络支持向量机回归(SOM-SVR)模型和单一的支持向量机回归(SVR)的结果进行比较.结果表明,FCM-SVR模型的预报准确率高于SOM-SVR模型和SVR模型.     

基于多软件融合方法的真核生物基因启动子预测

基于多个软件的预测结果,提出了一种融合方法(ComPromoter)提高真核生物基因启动子的预测精度.ComPromoter以ProKey、FirstEF和Eponine等软件对启动子的预测结果为基础,融合了可用于启动子识别的多个特征(包括ProKey预测结果中真阳性和假阳性的出现频率随投票距离以及预测分值变化的统计特征),并利用支持向量机构建了启动子预测模型.在人类ENCODE区域测试数据集上测试的结果显示,ComPromoter的Pearson相关系数CC值高于所融合的单个启动子预测软件.     

基于SVM和LS-SVM的住宅工程造价预测研究

为在方案设计初期与工程造价相关信息很少的条件下,准确快速地预测住宅工程造价,在分析既往相关理论和方法优劣的基础上,选取支持向量机构建住宅工程造价预测模型,并通过主成分分析对原始数据进行降噪处理.选取住宅工程造价预测指标集与样本,对输入指标的数据进行主成分分析,消除指标相关性的同时对原始数据降维,将处理后的数据分别导入到"标准支持向量机"和"最小二乘支持向量机"模型中进行训练和预测,并对预测结果进行对比分析,选取较为合理的预测模型,通过参数寻优进一步优化预测效果.所构建预测模型的相对误差均控制在±7%以内,预测精度较高,结果稳定.     

最小二乘支持向量机的一种改进算法

最小二乘支持向量机相比传统的支持向量机,丧失了解的稀疏性,影响了二次学习的效率。对原有的最小二乘支持向量机在稀疏性上进行了改进,并通过实验,对改进后的摄小二乘支持向量机的分类效果进行了验证。     

基于WRF数值模式的SDAE-SVR风速预测模型研究

风速预测是风力预报中的核心与基础, 采用天气研究和预报(Weather Research and Forecasting, WRF)模式进行风力预报往往存在风速预测误差较大的问题. 为了提高风速预测精度, 提出了一种基于深度学习和支持向量回归(Support Vector Regression, SVR)相结合的风速预测模型. 该模型以WRF模式预报输出的多种气象变量为基础, 结合气象自动观测站传感器的实测风速, 引入堆栈降噪自动编码(Stacked De-noising Auto-Encoder, SDAE)深度网络来学习样本数据中隐含的深度特征, 然后将该深度网络最后一层输出的深度特征置入回归器SVR中, 利用SVR良好的回归预测性能对WRF模式预报的未来1h风速进行预测订正. 结果表明: 所建立的SDAE-SVR风速预测模型具有较高的风速预测精度, 在对典型日的WRF模式预报未来1h风速的预测订正中, 其平均百分比误差与均方根误差仅为8.28％与0.8 066 m·     

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     

基于SVM的橡胶连续收盘指数的降噪回归预测

基于支持向量机的预测模型对橡胶连续的收盘价原始数据和降噪后数据进行预测,并对拟合得到的2个结果进行对比.结果表明:对时间序列降噪后,再用支持向量机进行预测模拟,相比直接用原始数据得到预测结果要精确得多,也具有很好的推广价值.     

基于遗传算法的多核支持向量机的参数优化

提出了利用遗传算法对多核支持向量机的权系数进行寻优的方法GA-MKL,先选择表现能力最好的参数的单核构成多核,再利用遗传算法来对多核的核系数来寻优.采用该算法在UCI标准数据集上进行了实验,结果表明,该算法为多核SVM的系数选择提供了一种可行的方法.与单核SVM相比,该方法具有更好的分类能力,和其他多核学习算法相比,性能也有一定的提高.     

基于工作电流分析的回转副摩擦状态识别实验研究

回转副摩擦状态的变化对机械设备的运行有着重要影响. 针对回转副摩擦状态的识别问题, 设计了以回转副工作电流为摩擦特征来源的实验方案. 通过采集摩擦过程的回转副驱动电机工作电流信号, 分析实验信号的频域和时频域特征, 建立工作电流的摩擦特征库, 用于训练多分类支持向量机分类器, 并在分类器上完成摩擦状态的识别. 实验结果表明, 经特征提取与降维处理后建立的多分类支持向量机分类器具有近90%的识别正确率, 所提出的实验方案有利于实现远距离信号的采集, 适用实际生产加工.     

南海台风参数模型和台风浪后报模型的应用研究

台风风场和台风浪数值后报能够有效弥补现场观测资料的不足,对南海海域的海洋经济健康发展具有重要的保障作用.针对不同台风参数模型和全谱海浪模型的联合应用,编制了包括5个台风参数模型的数值模拟程序,以南海海域的台风Ellen(1983)和Dujuan(2003)作为案例,并联合应用2个第3代全谱海浪模型,完成了台风风场、气压场和台风浪场的数值后报.通过分析不同台风参数模型和全谱海浪模型组合应用的后报结果,并与实测数据进行对比,得出了Jelesnianski风场参数模型结合第3代全谱海浪模型WW3比较适用于南海海域台风浪后报.     

2013年“菲特”台风暴雨数值模拟中微物理方案的对比试验

利用TRMM（热带测雨雷达）搭载的TMI（微波成像仪）反演廓线资料,分析“菲特”台风登陆前、后云团内部水凝物的分布种类,依此选择WRF区域中尺度模式下符合条件的6个云微物理过程参数化方案（Lin,WSM6,Godgce,WDM6,Morrison以及Thompson方案）,模拟2013年10月6~8日的台风过程.从降水落区、强度,水凝物及风场垂直分布,台风路径及强度等方面对预报性能进行对比,结果表明,选用的6个云微物理方案都较好地模拟了浙江暴雨的范围和强度.结合Ts评分,降水量级越大,模拟效果对云微物理方案选择越敏感,其中,Lin方案效果最佳,尤其对极端降水的模拟,其次为WSM6、WDM6及Thompson方案,Morrison和Godgce方案相对较差.结合水凝物平均值廓线分布发现,除WDM6方案外,其他方案对暖雨过程的模拟基本一致,而对冰相过程的模拟6个方案差别较大;同时,各方案对风分量的模拟结果较水凝物廓线差别小,说明对于动力因素模拟不敏感.另外,6个方案对于台风强度的模拟整体偏弱,相较之下,Lin方案较好地模拟了强度变化趋势.     

基于模糊神经元PID算法的注塑机注射速度控制算法研究

基于一款市场较为畅销的注塑机, 设计出一种能精确控制注射速度的模糊神经元PID控制器. 首先, 设计出具有自学能力的神经元PID控制器, 利用模糊算法对其进行优化; 其次, 在原有注射速度线性数学模型的基础上, 构建注塑机注射速度的非线性模型; 最后, 利用MATLAB在所建数学模型的基础上对模糊神经元PID控制器进行仿真实验. 实验结果表明, 所设计控制器具有响应迅速、无超调量、控制精度高、控制稳定等优点.     

基于因素分析和SVM模型的江海联运运量预测方法

鉴于江海联运运量受众多因素的影响, 为了解决江海联运运量预测问题, 先对江海联运运量影响因素进行分析, 再用灰色关联度分析筛选出其中的典型因素. 在此基础上应用粒子群算法优化的支持向量机建立江海联运运量预测模型, 应用于宁波港域江海联运量的预测. 结果表明, 该模型与传统时间序列预测方法相比具有较高的拟合度和预测精度, 为解决江海联运运量等多因素非线性系统预测提供了一条新的途径.     

基于SVM的固化土无侧限抗压强度模型

为实现较少试验次数下固化土无侧限抗压强度(qu)的准确预测, 提出了基于支持向量机(SVM)的固化土qu的预测模型. 以固化剂各组分掺入比、龄期、初始含水量、固化剂掺量等因素为输入量, 固化土的qu作为输出量, 以径向基为核函数, 采用网格搜索法和交叉验证法进行参数优化, 建立了基于SVM的固化土qu的预测模型. 算例分析表明: 该模型适用于任意条件下固化土qu的精确预测, 且在较小试验成本下实现与响应面法相当的预测精度.     

基于最小速比偏差的注塑机双曲肘合模机构优化设计

注塑机合模机构的性能直接影响注塑制件的质量、效率以及注塑设备的寿命. 以企业指定380T锁模力的双曲肘合模机构为研究对象, 提出将肘杆机构原型速比曲线与理想速比曲线的最小偏差值加入优化函数, 结合机构总长、行程比、力放大比等进行多目标优化设计, 并进行仿真验证. 结果表明: 在合模机构总长、移模行程满足要求的基础上, 力放大比增大12.24%, 临界角处速比降低14.49%, 且合模周期减少6.6%, 可有效提升合模机构的综合性能.