基于LS-SVM的管道腐蚀速率灰色组合预测模型

为提高管道腐蚀速率预测精度,建立了一种基于最小二乘支持向量机的灰色组合预测模型.以各种灰色模型对管道腐蚀速率的预测结果作为支持向量机的输入,以管道腐蚀速率的实测值作为支持向量机的输出,采用最小二乘支持向量机回归算法和高斯核函数对支持向量机进行训练,利用训练好的支持向量机进行组合预测.预测模型兼具灰色模型所需原始数据少、建模简单、运算方便的优势和最小二乘支持向量机具有泛化能力强、非线性拟合性好、小样本等特性,弥补了单一预测模型的不足,避免了神经网络组合预测易于陷入局部最优的弱点.模型结构简单、实用,仿真结果验证了其有效性.     

基于支持向量机的辽宁省粮食产量预测

随着中国经济的不断发展,城市化进程不断推进,总人口逐年增加;农村人口逐年减少,粮食的需求量逐年增加,某些贫困地区已经出现粮食短缺的状况.本文选取了1986年-2016年辽宁省年粮食总产量、有效灌溉面积、农业化肥施用量、农业机械总动力、播种面积以及受灾面积等相关数据.利用支持向量机回归、线性回归,随机森林三种方法,对辽宁省粮食产量进行了预测,并比较了三种方法预测的精准度.     

加权支持向量机在证券指数预测中的研究

支持向量机是基于统计学习理论的新一代学习机器.它使用结构风险最小化原则,运用核技巧,较好地解决了学习问题.本文提出了一种基于支持向量机的加权算法,并将其应用于证券,指数预测.与径向基神经网络相比较,加权支持向量机表现出了良好的性能.     

一种提高SVM训练速度的新方法

SVM解决两分类问题时,在大规模数据上训练速度很慢,利用数据提取的方法可以减少训练样本数目,加快训练速度。本文利用马氏距离和"aσ-方法"提出新的数据提取方法,根据样本点到训练集的马氏距离来确定样本点与样本集的位置关系,只提取对于建立超平面有作用的样本点,避免了以往数据提取方法的随机性;并考虑提取的数据占原来总样本集数目的比例,通过调整a的值,控制数据提取的数量,避免提取后训练样本集的数据太多或太少,从而加快SVM的训练速度。     

电力系统中地网腐蚀诊断的一种新的数学模型及其仿真计算

对电力系统中具有重大应用价值的地网腐蚀诊断问题抽象出仿真求解的一种新的数学模型:即求解带约束的非线性隐式方程组模型.但由于问题本身的物理特性决定了所建立的数学模型具有以下特点:一是非线性方程组为欠定方程组,而且非线性程度非常高;二是方程组的所有函数均为隐函数;三是方程组附加若干箱约束条件.这种特性给模型分析与算法设计带来巨大困难.对于欠定方程组的求解,文中根据工程实际背景,尽可能地扩充方程的个数,使之成为超定方程组,然后对欠定方程组和超定方程组分别求解并进行比较.将带约束的非线性隐函数方程组求解问题,转化为无约束非线性最小二乘问题,并采用矩阵求导等技术和各种算法设计技巧克服隐函数的计算困难,最后使用拟牛顿信赖域方法进行计算.大量的计算实例表明,文中所提出的数学模型及求解方法是可行的.与目前广泛采用的工程简化模型相比较,在模型和算法上具有很大优势.     

基于SVM理论的一种新的数据分类方法

基于 SVM分类器在模式识别问题中有独特的优势 ,本文通过对标准 SVM模型的改造 ,提出了一种新的简单的数据分类方法 .理论分析和实验表明 ,该方法与标准 SVM分类方法相比具有处理大规模数据识别的能力且保持较高的样本识别率 ,节省存储空间等优势 .     

线性支持向量顺序回归机的原始问题的解集分析

本文主要对线性支持向量顺序回归机进行理论研究.对其相应原始问题解的存在性唯一性问题进行细致的分析,指明其解集的确切结构,并给出由对偶问题的解求出原始问题的解集的具体步骤.从而为建立理论上完备的线性支持向量顺序回归机提供了依据.     

一种加权的支持向量机及其在储层识别中的应用

标准支持向量机(SVM)抗噪声能力不强,当训练样本中存在有噪声或者野点时,会影响最优分类面的产生,最终导致分类结果出现偏差。针对这一问题,提出了一种考虑最小包围球的加权支持向量机(WSVM),给每个样本点赋予不同的权值,以此来降低噪声或野点对分类结果的影响。对江汉油田某区块的oilsk81,oilsk83和oilsk85三口油井的测井数据进行交叉验证,其中核函数采用了线性、指数和RBF这3种不同的核函数。测试结果显示,无论是在SVM还是在WSVM中,核函数选择RBF识别率都是最高的,同时提出的WSVM不受核函数的影响,识别稳定性好,且在交叉验证中识别率都能够达到100%。     

基于支持向量机的飞行事故率预测模型

飞行事故率是表征飞行安全水平的重要指标,其预测是典型的小样本问题.针对目前飞行事故率预测中存在的预测精度不高的问题,提出了一种基于回归支持向量机的飞行事故率预测建模方法.最后结合实际算例,采用SVR进行了飞行事故率预测建模并把预测结果与灰色预测和灰色马尔柯夫链预测进行了对比.仿真结果表明SVR具有很高的建模精度和泛化能力,从而验证了采用SVR进行航空飞行事故率预测的合理性和先进性.     

基于GA-SVR算法的淀粉价格预测研究

近年来我国淀粉产业迅速发展,给相关企业带来了巨大经济效益的同时,由于其情况复杂,致使相关企业无法正确掌控淀粉价格的走势,也造成了大量的经济损失.因此,寻找一种科学的、高效的淀粉价格预测方法已成为当务之急.将遗传算法(GA)与回归型支持向量机(SVR)相融合,建立了GA-SVR淀粉价格预测模型.对2003-2011年淀粉价格进行仿真预测,结果表明,模型的决定系数和均方误差均优于其它方法,验证了模型的有效性与优势.     

一种预测轨检车TQI值的等维递补方法

构建灰色模型和ARMA模型的组合模型,并在此基础上构建等维递补模型预测轨检车TQI数据,根据预测数据与实际数据的误差实时调整预测模型.将该模型应用到轨检车TQI数值的预测上,可以分析和预测轨道状态变化趋势,为轨道维修计划的科学制定提供辅助决策.     

The Markov Model Based Algorithm to Predict Networking Load on the Computational Grid

The computational Grid is currently gaining in popularity, and it enables computers scattered all over the world to be connected by the Internet as if they are part of a large computational infrastructure. While the computational Grid gathers more and more computational resources and the number of the applications for the computational Grid is increasing, load balancing for the computational Grid is still not effective enough. Because the computers are connected by a wide area network on the computational Grid, the significant communication latency and the frequency of large wave throughputs make it difficult to achieve effective load balancing. Thus, in this paper, we propose an algorithm to predict networking loads on the computational Grid to make the use of computational resources more efficient. The proposed algorithm based on the Markov model is evaluated using an actual networking load. As a result, the Markov model based algorithm offers the most accurate predictions compared with the related work. This revised version was published online in July 2006 with corrections to the Cover Date.     

Counterparty Credit Exposures for Interest Rate Derivatives using the Stochastic Grid Bundling Method

The regulatory credit value adjustment (CVA) for an outstanding over-the-counter (OTC) derivative portfolio is computed based on the portfolio exposure over its lifetime. Usually, the future portfolio exposure is approximated using the Monte Carlo simulation, as the portfolio value can be driven by several market risk-factors. For derivatives, such as Bermudan swaptions, that do not have an analytical approximation for their Mark-to-Market (MtM) value, the standard market practice is to use the regression functions from the least squares Monte Carlo method to approximate their MtM along simulated scenarios. However, such approximations have significant bias and noise, resulting in inaccurate CVA charge. In this paper, we extend the Stochastic Grid Bundling Method (SGBM) for the one-factor Gaussian short rate model, to efficiently and accurately compute Expected Exposure, Potential Future exposure and CVA for Bermudan swaptions. A novel contribution of the paper is that it demonstrates how different measures, for instance spot and terminal measure, can simultaneously be employed in the SGBM framework, to significantly reduce the variance and bias of the solution.     

分析表面裂纹的一种新方法

本文作者综合了线弹簧模型及边界元法的优点,开发了一种新的线弹簧边界元法.该方法把表面裂纹这一三维问题简化为拟一维问题,可用于分析受到多种载荷作用的含表面裂纹的板.本文对该方法进行了理论分析和数值验证,报告了计算结果.结果表明,该方法经济有效.利用该方法仅使用个人计算机就可以分析表面裂纹问题.     

马尔可夫链在技术创新成功率预测中的应用

马尔可夫链是研究复杂系统的一个数学模型,其预测的出发点是现有状态和当前条件,被认为是市场占有率、人才需求、设备更新等的较好预测模型.技术创新从新思想的产生到成功实现商业化,需要经过多个环节,受内外环境多个因素的影响,从而使得技术创新的风险性很高,这就需要对技术创新的成功概率进行预测,以降低风险.通过分析,技术创新链也符合马尔可夫过程,故依据技术创新程序和各阶段特点,构造技术创新马尔可夫链,并据此进一步构造出技术创新成功率预测模型.     

应用Markov链方法分析销售策略

本简单地分析了销售的过程，利用认知心理得到的销售状态指标和Markov链在Pfeifer工作的基础上建立的客户关系模型，对几种不同的销售策略进行了比较。分析结果表明，在与客户关系不好的情况下．采用先改善与客户的关系、后实施销售活动效果比直接销售好些。     

构造和评价奖惩系统的新方法

当知道一个奖惩系统的等级和保费水平时,利用信息熵提出并得到奖惩系统的理想概率分布．在保单中考虑人身伤亡索赔次数的二元模型,将奖惩系统的平稳概率分布与理想概率分布的差异,通过卡方值与多余度分别表现出来,将其作为评价奖惩系统的一个新工具．     

多属性群决策算法及一致性分析研究

在多属性群决策中 ,集结群体意见之前必须先对群体的决策数据进行一致性分析 ,以确保群体作出的决策符合客观实际 .提出了群决策的三种三维层次模型 ;用欧几里得距离 ( Euclidean Distance)表示个人决策中方案的评价值 ;然后设置一致性指标值α,作为群体数据一致性的判断依据 ;提出了满足一致性基础上的一种群决策方法 ;最后用实例说明了算法的使用步骤 .     

A Bayesian Model to Predict Saturation and Logistic Growth

This paper formulates a Bayesian model to predict growth and eventual market saturation of a recently introduced (and possibly expensive) consumer-durable product. The mathematical model assumes that each new buyer buys only one item of the product, that the number of new buyers of the product in the next period of time is influenced by the current number of non-buyers and that the probability an individual will buy is the result of a diffusion of news among satisfied buyers. The solution of the prediction problem includes a two-stage Bayesian updating formula which first revises the prior distribution of market saturation based on the most recent number of new buyers and then, conditional on the saturation level, computes the predictive distribution of new buyers in future time-periods.