基于小波分析的ARIMA与LSSVM组合的高炉煤气预测

高炉煤气发生量的准确预测对钢铁企业能源优化调度具有重要意义。针对钢铁企业中基于机理模型的高炉煤气发生量难以准确预测问题,建立了基于小波分析的最小二乘支持向量机(LSSVM)和自回归差分滑动平均(ARIMA)相结合的高炉煤气预测模型。预测前利用小波去噪对原始数据进行消噪处理,并对处理后的数据进行小波变换得到趋势序列和波动序列,然后对各部分序列分别建模和预测,最后将各部分预测结果叠加;仿真结果表明,组合预测模型减小了预测误差,提高了预测精度。与其他模型相比,组合预测模型更适合高炉煤气预测。     

基于多目标LSSVM回归的火电厂烟气含氧量软测量

为了提高基于LSSVM的软测量模型的可信度,提出将平均拟合误差、平均预测误差与最大预测误差作为模型参数优化的3个目标,并根据两个预测误差目标之间的差值来设置模型参数选择的偏好;基于某电厂600 MW超临界机组运行时采集的数据,对烟气含氧量进行的建模仿真结果表明:根据偏好选择LSSVM的正则化参数γ与核函数宽度σ可以同时兼顾模型的拟合能力与预测能力,并确保模型的最大预测误差小于一定的上限,从而能够提高模型的可信度;在此基础上,对γ与σ值变化的仿真试验进一步验证了综合考虑上述3个目标来进行模型参数优化选择的合理性。     

PSO-LSSVM对LIBS定量分析精度的提高

针对土壤定量分析受基体效应影响大，LIBS定量分析精度不佳等问题，采用粒子群算法对LSSVM进行优化，提高模型的精确度。选取Pb Ⅰ 405.78 nm和Cr Ⅰ 425.44 nm作为分析谱线进行分析。采集十二个不同浓度样品的特征光谱，每个浓度样品在不同点采集20组数据，将其中17组数据设为训练集，3组数据设为预测集，用LSSVM和PSO-LSSVM两种方法建立定标模型。对比两种模型的拟合相关系数（R2）、训练集均方根误差（RMSEC）和预测集均方根误差(RMSEP)。由于自吸收效应的影响，随着浓度的增加，预测值逐渐低于实际值，LSSVM定标模型的拟合程度较低，无法达到实验要求，模型性能有待提高。利用粒子群算法对LSSVM的模型参数惩罚系数和核函数参数进行优化，得到最佳的参数组合，Pb元素为(8 096.8, 138.865 7)，Cr元素为(4 908.6, 393.563 5)，用最佳的参数组合构建LSSVM的定标模型。相比于LSSVM，PSO-LSSVM定标模型的精确度更高，Pb和Cr元素的R2提高到了0.982 8和0.985 0，拟合效果明显提升。Pb和Cr元素的训练集均方根误差由0.026 0 Wt%和0.027 2 Wt%下降到0.022 4 Wt%和0.019 1 Wt%，预测集均方根误差由0.101 8 Wt%和0.078 8 Wt% 下降到0.045 8 Wt%和0.042 0 Wt%，模型的稳定性进一步提高。说明PSO-LSSVM算法能够更好地降低土壤基体效应和自吸收效应带来的影响，提高分析结果的精确度与稳定性。     

基于LSSVM混淆矩阵和改进DS合成的多源传感器网络安全态势预测

针对现有的网络安全态势预测方法正确性和合理性难以得到保证,同时不能有效应对不确定情况的问题,设计了一种基于最小二乘支持向量机(Least square support vector machine, LSSVM)和改进证据理论的网络安全态势预测方法。首先,将由多源传感器采集的历史标记数据作为样本数据,实现对LSSVM的训练,然后,将当前采集的数据输入LSSVM进行分类,并通过混淆矩阵获得数据对应每个类的概率,为了有效地对采集的数据进行进一步融合,将各类转换为证据,同时将数据相对每个类的概率作为证据的基本信度分配,采用改进的DS证据合成规则对各证据进行融合,实现对网络安全态势的预测,最后,设计了基于LSSVM和改进DS证据合成规则的网络安全状态预测算法。在MATLAB环境下进行实验,实验表明了文中方法能对网络的安全态势进行实时精确的预测,与其它方法相比,具有更高的预测精度,是一种可行的网络安全态势预测方法。     

基于差分进化算法的混沌时间序列预测模型参数组合优化

为了提高混沌时间序列预测模型的预测精度,提出一种基于差分进化（DE）算法的相空间重构和最小二乘支持向量机（LSSVM）模型参数组合优化方法．该方法将相空间重构参数和LSSVM预测模型参数进行组合作为差分进化算法的个体,以混沌时间序列预测精度作为个体的适应度函数,通过循环迭代获得最优参数组合．几个混沌时间序列的仿真实验结果表明,与传统的优化方法相比,参数组合优化方法具有更高的预测精度．     

多级微反射镜对准误差的分析与抑制

由于系统装调与器件定位精度的限制,空间调制傅里叶变换光谱仪中的两个多级微反射镜在对准过程中会产生相对位置的平移和旋转。为了明确对准误差对系统产生的影响,利用线性系统理论与标量衍射理论分别建立了平移误差与旋转误差对应的干涉图像与复原光谱的模型。通过对计算结果的分析,平移误差与旋转误差均会对边缘的干涉图元进行剪裁,从而在复原光谱中引入伴线,带来光谱噪声。根据平移误差与旋转误差对干涉图像的作用特点,提出一种对干涉图像进行区域补偿的方法,通过扩展多级微反射镜的阶梯级数扩大干涉区域,然后利用干涉图像内部有效的干涉图元进行光谱反演;计算表明该方法可以有效抑制对准误差给系统带来的影响,从而降低多级微反射镜的定位精度要求。     

基于迭代误差补偿的混沌时间序列最小二乘支持向量机预测算法

本文分析了传统支持向量机预测算法产生的误差特性,发现产生的预测误差不同于噪声,具有较强的规律性,单一的预测模型遗漏了许多混沌序列中的确定性分量.经过误差补偿后,残差的冗余信息减少,随机性增强.在此基础上,本文提出一种基于迭代误差补偿的最小二乘支持向量机预测算法,能够通过多模型联合预测更加有效地逼近混沌系统的映射函数,在预测精度上取得了大幅度的提升.此外,算法通过留一交叉验证法的方法能够在预测前自动优化模型参数组合,克服了现有算法无法仅利用先验信息优化预测模型参数的缺陷.对MackeyGlass和Lorenz混沌时间序列进行了仿真实验,实验结果优于相关文献记载方法的预测性能,在性能指标上好于现有算法一个数量级.     

基于多头读数布局的圆光栅自校准方法研究

针对测角系统在线校准问题,提出了一种基于多读数头布局的自校准方法。通过多组传感器的测量数据,利用圆封闭原则和傅里叶级数的性质,建立测量值与误差之间的函数关系,并基于多读数头布局原理,对自校准读数头布局进行优化,以提高校准方法对误差的抑制能力,实现单读数头测角传感器的自校准。设计了单轴转台,搭建了自校准测角系统,并进行了实验验证。实验结果表明:测角系统采用自校准方法后,单读数头测角传感器的测角误差为6.10″,在相同的测量环境下,其校准精度接近借助外部参考标准的传统谐波标定方法。自校准方法可有效抑制测角误差,显著提高测量精度。     

基于物联网和PCA支持向量机的交通流量预测系统

为了解决已有交通流量监测系统存在的数据采集分散、车辆识别度低、实时性差和流量预测误差大等问题,设计了一种基于物联网技术和最小二乘支持向量机(Least Squares Support Vector Machine, LSSVM)的交通流量预测系统;首先,描述了系统原理和部署模型,然后对系统的硬件即车载传感器节点和Sink节点进行了设计,同时对系统的软件流程进行了描述,通过在监控中心执行PCA主成分分析方法实现对采集数据提取独立主成分,消除无关冗余数据,在此基础上采用LSSVM实现道路交流流量预测;最后,在十字路口布置实验环境,实验结果表明:文章方法能实时精确地实现交通流量预测,与其它方法相比,具有拟合精度高和的泛化能力强的优点,具有很强的实用性。     

长江中下游汛期降水模式预测误差相似性及其可预报度

对数值模式预测误差进行相似预报进而订正模式预报结果,是提高模式预报水平的有效手段之一.本文从数值模式预测误差场存在相似性的角度出发,研究了长江中下游汛期降水逐年模式误差场间的相似性及其可预报性,探讨了数值模式预测误差在历史资料中的相似信息量,发现利用相似误差订正可以明显提高模式预报水平.进一步对历史模式预测误差场进行经验正交函数(EOF)分解,着重研究了误差场前三个特征向量的空间分布及其时间系数演化规律,发现对各分量分别进行相似预报可以简化预报对象,并且针对性更强,可以提高其潜在预报水平.在研究数值模式预测误差场相似性的基础上,定义了数值模式预测误差的相似可预报度,用以衡量逐年模式预测误差的可预测性,发现模式预测误差场前三个分量的相似可预报度明显高于原始模式误差场,揭示出有针对性地分别预报模式预测误差各分量的潜在应用价值.