碳纳米管/环氧树脂复合薄膜力学性能的支持向量回归预测

根据实验测得环氧树脂不同体积浓度浸泡液下的碳纳米管/环氧树脂复合薄膜的力学性能的实验数据,应用基于粒子群算法(PSO)寻优的支持向量回归(SVR)方法,建立了不同实验参数对复合薄膜力学性能影响的预测模型。留一交叉法(LOOCV)结果表明环氧树脂体积分数与复合薄膜力学性能之间关系复杂,呈现高度的非线性。表征力学性能的拉伸强度σ_b(MPa)、延伸率δ(%)和弹性模量E(GPa)的平均绝对百分误差分别为3.96%,3.14%和2.62%,相关系数(R~2)分别高达0.991,0.990和0.997。该方法不仅准确预测了双壁碳纳米管与环氧树脂复合薄膜的力学性能,而且为实验工作者研究实验参数与力学性能之间关系提供了理论指导。     

基于支持向量机、支持向量回归和分子对接的CYP450 1A2抑制剂的发现研究

支持向量机,支持向量回归和分子对接的计算方法已广泛应用于化合物的药理活性计算。为了提高计算的准确性和可靠性,拟以细胞色素P450酶1A2为研究载体,运用建立的联合SVM-SVR-Docking计算模型预测潜在的CYP1A2抑制剂。其中,建立的最优SVM定性模型训练集,内部测试集和外部测试集的准确率分别为99.432%,97.727%和91.667%。最优SVR定量模型训练集和测试集的R和MSE分别为0.763,0.013和0.753,0.056。实验表明两个模型具有较高的准确性和可靠性。通过对SVM和SVR模型结果的比较分析,发现连接性指数、分子构成描述符和官能团数目等分子描述符可能与CYP1A2抑制剂的辨识和活性预测密切相关。随后利用分子对接技术分析化合物与CYP1A2的结合构象及相互作用的稳定性。形成氢键相互作用的关键氨基酸包括THR124,ASP320;形成疏水相互作用的关键氨基酸包括ALA317和GLY316。所获得模型可用于天然产物化学成分中CYP1A2潜在抑制剂的活性计算及其介导的药物-药物相互作用预测提供理论指导,也为合理联合用药提供一定参考。共获得20个对CYP1A2具有潜在抑制活性的化合物。部分结果与文献结果相互印证,进一步说明了模型的准确性和联合计算策略的可靠性.     

基于粒子群支持向量机的海杂波序列回归预测

在雷达数据处理中,为更好地抑制海杂波,预测海杂波是必要的;海杂波具有混沌特性,而支持向量机算法能够有效地对混沌序列进行回归预测,文章提出了一种改进的支持向量机海杂波序列回归预测算法;文中给出了算法的框架结构,采用了互信息法和改进的伪邻近点法提取海杂波混沌特性的延迟时间和嵌入维数,利用相空间重构求取SVM训练样本,应用改进的PSO算法优化SVM的核函数参数以及惩罚系数,并仿真了预测模型;仿真实验结果表明:海杂波回归预测能达到满意的精度,而PSO-SVM方法比SVM方法的预测精度更高。     

AlON-TiN复相材料合成工艺参数的支持向量回归分析

根据在不同热压烧结工艺参数（包括TiN的含量、烧结温度和保温时间）下合成的AlON-TiN复相材料的抗弯强度实测数据集,应用基于粒子群算法寻优的支持向量回归（SVR）方法,建立了AlON-TiN复相材料在不同热压烧结工艺参数下抗弯强度的SVR预测模型,并与基于人工神经网络（ANN）模型的预测结果进行了比较.利用SVR预测模型并结合粒子群算法对AlON-TiN合成工艺参数进行了寻优和多因素分析.结果显示:对于相同的训练样本和检验样本,AlON-TiN复相材料抗弯强度的SVR模型比ANN模型具有更小的预测误差,表明SVR模型比ANN模型具有更强的预测能力.工艺参数寻优结果表明,当TiN质量分数为13.5%、烧结温度为1863.5 ℃和保温时间为5.8 h时, 可获得抗弯强度为555.452 MPa的AlON-TiN复相材料. 研究结果表明,该方法对于研发理想抗弯强度的AlON-TiN复相材料具有重要的理论指导意义和实用价值. 关键词： AlON-TiN 抗弯强度 支持向量回归 回归分析     

基于在线小波支持向量回归的混沌时间序列预测

混沌时间序列预测是非线性动力学研究中一个十分重要的问题，支持向量回归方法为其提供了一种有效的解决思路.通过分析新样本加入训练集后支持向量集的变化情况，建立了一种混沌时间序列预测的支持向量回归算法，具备了在线学习的特点.同时，针对混沌信号提出了一种满足小波框架的小波核函数，它不但能以较高的精度逼近任意函数，而且适合于混沌信号的局部分析，提高了支持向量回归的泛化能力.最后就Mackey-Glass混沌时间序列在线预测问题进行了大量仿真.结果表明，本文算法与现有的算法相比具有训练时间短、预测精度高等特点，有一定 关键词： 混沌时间序列 支持向量回归 在线学习 小波核     

基于支持向量机回归的LIBS飞灰含碳量定量分析

采用激光诱导击穿光谱(LIBS)技术对配制的飞灰样品进行实验分析,应用支持向量机回归(SVR)模型对飞灰的含碳量进行预测。运用网格搜索法分别对径向基(RBF)核函数和多项式函数的结构参数进行寻优,然后分别建立基于内标元素特征光谱、全谱和主要元素特征光谱的SVR模型。研究表明,基于RBF和多项式核函数的SVR模型在理想的结构参数下可以取得相同的分析精度,但RBF能较快地完成模型优化并且不易出现欠拟合的现象。基于内标元素特征光谱的SVR模型的分析精度与内标法相当,基于全谱的SVR模型出现明显的过拟合现象。基于主要元素特征光谱的SVR模型的回归系数为0.986,校正均方根误差为1.79%,预测均方根误差为2.57%,说明该模型可以有效避免欠拟合和过拟合。     

支持向量回归同时测定苯甲酸和水杨酸稳健模型的研究

按照均匀设计方法设计校正集实验数据,用支持向量回归方法(SVR)建立校正模型,采用留一交叉验证方法对SVR方法的参数进行优化,研究SVR稳健模型在分光光度法同时测定苯甲酸和水杨酸中的应用.结果表明,用不同日期测定的校正集数据建立SVR模型,对不同日期测定的检验集数据的预测结果也不同;检验集数据的测定日期与校正集数据的测定日期愈接近,则预测结果愈准确;将不同日期测定的校正集数据合并在一起建立SVR模型,模型的稳健性得到了明显的提高;将选定的校正集用于苯甲酸和水杨酸的同时测定,预测结果的回收率在97%-102%之间,结果满意.     

碱金属碱土金属化合物标准熵的拓扑研究

定义离子极化力参数 gi.在分子拓扑图的邻接矩阵基础上 ,由 gi 建构极化力连接性指数 mG ,其中 0 G、1G对无机分子有良好的结构选择性 .计算了 6 4种碱金属、碱土金属的氧化物、卤化物、硫化物、硒化物等的 0 G、1G ,发现它们的标准熵与分子的大小及分子中的原子数正相关 ,而与分子中离子的极化力负相关 .这与其标准熵的递变规律相一致 .所以 ,化合物的 0 G、1G必然与其标准熵表现出良好的相关性 .研究结果表明 ,其预测值和实验值基本吻合 ,优于Latimer法以及Randic Kier连接性指数     

支持向量回归在葡萄酒红外定量分析中的应用

近年来,基于朗伯-比尔定律和化学计量学的红外光谱定量分析方法发展十分迅速。其中,选择合适的预处理方法和有效的校正模型是定量分析成功的关键。选取30个葡萄酒样品,运用红外光谱结合向量回归算法SVR,对葡萄酒乳酸、酒石酸、乙酸异戊酯、3-甲基-1-丁醇进行了红外含量预测。选用标准归一化、基线校正以及异常样本点剔除三种谱图预处理方法,结合支持向量回归算法。实验结果表明该方法行之有效,计算值与标准值间的相对误差可被控制在5%以内。该方法可应用于葡萄酒中代表性物质含量的定量分析检测。     

选择性激光烧结成型件密度的支持向量回归预测

根据不同工艺参数（层厚、扫描间距、激光功率、扫描速度、加工环境温度、层与层之间的加工时间间隔和扫描方式）下的选择性激光烧结成型件密度的实测数据集,应用基于粒子群算法寻优的支持向量回归（SVR）方法,建立了加工工艺参数与成型件密度间的预测模型,并与BP神经网络模型进行了比较.结果表明：基于相同的训练样本和检验样本,成型件密度的SVR模型比其BP神经网络模型具有更强的内部拟合能力和更高的预测精度;增加训练样本数有助于提高SVR预测模型的泛化能力;基于留一交叉验证法的SVR模型的预测误差最小.因此,SVR是一种预测选择性激光烧结成型件密度的有效方法. 关键词： 选择性激光烧结 密度 支持向量机 回归分析     

Prediction of thermal conductivity of polymer-based composites by using support vector regression

Support vector regression (SVR) combined with particle swarm optimization (PSO) for its parameter optimization, was proposed to establish a model to predict the thermal conductivity of polymer-based composites under different mass fractions of fillers (mass fraction of polyethylene (PE) and mass fraction of polystyrene (PS)). The prediction performance of SVR was compared with those of other two theoretical models of spherical packing and flake packing. The result demonstrated that the estimated errors by l...     

Small-time scale network traffic prediction based on a local support vector machine regression model

In this paper we apply the nonlinear time series analysis method to small-time scale traffic measurement data. The prediction-based method is used to determine the embedding dimension of the traffic data. Based on the reconstructed phase space, the local support vector machine prediction method is used to predict the traffic measurement data, and the BIC-based neighbouring point selection method is used to choose the number of the nearest neighbouring points for the local support vector machine regression model. The experimental results show that the local support vector machine prediction method whose neighbouring points are optimized can effectively predict the small-time scale traffic measurement data and can reproduce the statistical features of real traffic measurements.     

基于多重核学习支持向量回归的混沌时间序列预测

鉴于标准支持向量回归应用于混沌时间序列预测时经常会遇到诸如核函数及其参数难以确定的问题,提出了多重核支持向量回归的方法.通过在混合核空间求解二次约束下的二次规划问题,实现多重核支持向量回归算法.该算法不仅可以减少支持向量的个数,而且能够提高预测性能.最后将该方法运用到Lorenz, Henon和Mackey-Glass混沌时间序列预测,仿真结果表明该方法能够有效地提高预测精度,增强预测模型的泛化性能. 关键词： 混沌时间序列 支持向量机 多重核学习 优化     

Faraday相对法测定磁化率的原理和方法

介绍一种测量物质磁化率的实验原理和方法。     

硅烯饱和吸附碱金属原子的第一性原理研究

基于密度泛函理论的第一性原理计算, 研究了硅烯饱和吸附碱金属元素原子的稳定性、微观几何结构和电子性质, 并与纯硅烯及其饱和氢化结构进行了对比分析. 研究发现复合物SiX(X=Li, Na, K, Rb)的形成能都是负的, 相对于纯硅烯来说可以稳定存在. Bader电荷分析表明, 电荷从碱金属原子转移至硅原子. 从成键方式来看, 硅烯与氢原子形成共价键, 而与碱金属原子之间形成的键主要是离子性成键, 但还存在部分共价关联成分. 能带计算表明, 锂原子饱和吸附在硅烯形成的复合物SiLi是直接带隙的半导体, 带隙大小为0.34 eV. 其他碱金属饱和吸附在硅烯上形成的复合物都表现为金属性.