基于主成分分析法和遗传算法优化支持向量机模型的泥石流危险度预测

为准确预测泥石流危险度,提出了基于主成分分析法(PCA)和遗传算法(GA)优化的支持向量机(SVM)模型。首先利用主成分分析法对7个泥石流危险度影响因子进行数据降维,将提取出的主成分作为支持向量机模型的输入向量,以泥石流危险度作为输出向量,并运用遗传算法寻优获得最佳支持向量机模型参数,最终建立了基于PCA-GA-SVM的泥石流危险度预测模型,并对9条泥石流沟的危险度进行预测,结果表明:PCA-GA-SVM模型的预测准确率达88.9%,满足工程要求。     

鸡冠花乙醇提取物的 HPLC 指纹图谱研究

建立鸡冠花的HPLC指纹图谱分析方法,为科学评价及有效控制其质量提供可靠的依据和手段．采用HPLC法测定10批鸡冠花样品的指纹图谱,色谱柱为Dikma C18（250 mm×4．6 mm,5μm）,流动相为乙腈-0．1％磷酸水溶液,梯度洗脱,流速为1．0 mL/min,检测波长为260 nm,分析时间90 min．建立共有模式,以相关度评价图谱的相似性．10批次鸡冠花样品色谱指纹图谱共有16个共有峰,相似度在0．9以上,不同批次鸡冠花质量相似性较好．该方法可用于鸡冠花质量评价．     

基于PCA的远程教育数学课堂教学质量评价模型研究——以四川电大为例

本文以采用PCA主成分分析方法,对四川电大远程教育开放学生参加《几何基础》课程评价后数据进行了降维处理,从而计算出反映四川电大教师教学质量的主要成分,并建立教学质量评价模型。通过计算各主要成分指标,准确地找出四川电大教师在数学课堂中所存在的问题,为我们数学老师在今后的教学提供参考依据,也为督导管理部门在今后的工作中提供教学改革措施。     

基于PCA-BP的地裂缝危险性预测

为了更准确地对地裂缝的危险性进行预测，以苏锡常地区地裂缝为例，构建主成分分析(PCA)-BP神经网络模型。利用主成分分析法五个影响地裂缝危险性的指标进行分析，包括导水系数、地下水位、黏性土层厚度、基岩埋深以及基岩起伏程度。通过线性变换排除这些影响因素之间的相关性，并利用各主成分的贡献率对分析后的主成分进行筛选，得到三个主成分指标。对三个主成分进行全新解释：其中，第一主成分主要反应工程水文地质对地裂缝危险性的影响，第二主成分主要反应基岩起伏程度，第三主成分主要反应基岩埋深情况；利用BP神经网络对地裂缝的危险性进行预测。结果表明，PCA-BP神经网络模型对地裂缝危险性的预测效果相较BP神经网络更与实际吻合。PCA-BP神经网络模型可以作为一种对苏锡常地区地裂缝危险性预测的手段；全面细致地进行了主成分分析与BP神经网络在实际应用时的建模过程与结果分析，为PCA-BP神经网络模型的实际工程应用提供了一个有效参考。     

基于Logistic模型的我国上市公司退市风险预警研究

从2003-2019年上市公司中筛选出40家~*ST公司与依次按照同行业、同年度和相似规模配比原则配比40家健康上市公司作为样本。从盈利能力、偿债能力、经营能力、成长能力、现金流量能力以及公司治理六个方面分析造成上市公司产生退市风险的相关因素,进而选取37个指示我国上市公司退市风险的风险指标。借助主成分分析法,精简指标,构建以Logistic回归模型为基础的退市风险预警模型。     

坐标基准转换模型的研究

坐标基准转换可通过空间的三参数和七参数及平面相似变换等方法实现。其中,七参数法最为常见。本文将对二维七参数模型的精度进行验证,并将二维七参数模型与标准七参数模型进行比较研究。     

主成分分析法在企业偿债能力评价中的应用

通过引入主成分分析的方法对企业偿债能力评价指标的选取,建立了相应的主成分法综合评价模型,对企业综合偿债能力评价方法进行了探讨,为评价企业的借贷信用状况提供了一种有效的分析手段。     

主成分分析法在企业绩效综合评价中的改进

通过对主成分分析法(PCA)基本算法的分析,从企业绩效综合评价的角度出发,指出了在指标变量的多重相关性处理、定性指标定量化、原始数据无量纲化等方面存在的弊端,引入了分级指标体系的设计方法、数量化理论(Ⅲ)、分类无量纲化方法解决之。针对PCA中特征向量方向的确定问题,提出了特征向量方向确定的原则。针对主成分的提取和权重赋值问题,提出了优先递阶提取法和两两比较判断矩阵法解决之。最后,针对线性PCA的结构化问题,探讨了当今研究的方向和思路。     

基于本体的多Agent电子市场研究

电子市场是电子商务模式的发展方向。本体是语义Web的基础。文章建立了基于本体的多Agent电子市场模型,提出了商务领域语义相似度的计算方法,从而解决了多Agent间自动匹配异构信息的问题。     

马鞍山市生态可持续发展指标体系构建与评价

建立马鞍山市生态可持续发展指标体系(UESDI),采用多元统计分析技术中的因子分析法提取各系统的主成分,计算系统值和城市生态可持续发展度,可综合评价和预测马鞍山市的生态可持续发展状况,并提出对策措施。     

上市公司财务失败预测模型的预测能力比较

通过实证分析，建立了判别分析模型、主成分模型、主成分逻辑回归模型以及基于快速BP算法的ANN仿真模型四种财务失败预测模型，并对它们的预测能力进行了比较。结果表明，这四种方法都可以用来进行财务失败预测，但预测的效果是有差异的，基于快速BP算法的”州仿真模型是最有效的一种方法。     

基于主成分分析与多分类支持向量机的单沟泥石流危险性预测

泥石流是一种常见的地质灾害,对人类的生命和财产都会造成极大危害。泥石流危险性预测是防灾减灾的关键。以白龙江流域泥石流为例,首先利用主成分分析对原始数据进行分析,提取主成分,然后采用交叉验证的方式抽取训练样本与预测样本进行多分类支持向量机预测,建立预测模型,对泥石流危险性等级进行分类预测。结果表明:基于5折交叉验证的主成分分析与多分类支持向量机预测模型准确率可达到90%,可为泥石流危险性预测的研究提供计算模型依据。     

初级X射线分段式光谱分布模型的确定

针对初级X射线光谱的连续谱和特征谱,采用分段式光谱模型,利用多种纯元素(浓度为99.99％)样品,荻取分段模型中所需的各个参数并利用多元合金样品对所获得的模拟初级X射线光谱进行验证,结果表明:分段式初级X射线光谱模型是一种实用、简单且有效的模型.     

违约风险评估模型及其实证研究

在研究结构化模型、约化模型的基础上,运用理论与实证分析相结合的研究方法,建立基于主成分分析法的我国上市公司违约风险评估模型。该模型指标体系简单,预测准确率高,具有较强的适用性。     

应用Fuzzy相似优先比划分断裂构造产生的磁异常

本文提出应用模糊相似优先比区分磁异常的定量化判断方法。原理是:就某一特征而言,以成对样品与一个已知固定样品作比较,确定哪一个与已知样品更相似,选择更相似者作为优越对象,从而建立优先关系矩阵,经由大到小逐次取定阈值λ∈[0,1]进行筛选,将全部样品做出各个特征下相似程度的排序,最后得出综合作用下的分类。文中以我国西北某区实测△T异常为例,具体说明了由已知为断裂构造的磁异常出发,选择恰当的特征参数建立数学模型的方法和步骤,及至得出定量化的分类,并据此对未知异常进行了断裂构造的推断。该方法简便,易于掌握。它是使磁(重)异常定性解释趋于数据化、合理化的有效途径。     

我国A股市场流动性有效度量的实证研究——基于LOT模型与高频交易数据的比较分析

首先以1997年1月1日至2010年12月31日的高频交易数据为基础,计算了我国A股市场反映交易成本维度的流动性基准(报价价差基准)和反映价格影响的流动性基准(报价价差价格影响基准)。然后利用低频日度交易数据,根据LOT族模型计算出流动性的交易成本维度和价格影响维度的代理变量值。最后利用平均横截面相关性、投资组合时间序列相关性和均方预测误差三个"业绩"评价标准评价了流动性代理变量的有效性。结果发现,在反映流动性的交易成本维度方面,LOT_Y代理变量表现得最好;在反映流动性的价格影响方面,LOT_S表现得相对较好;从均方预测误差角度来看,LOT_Y表现得相对较好。     

文本自动分类在邮件过滤系统中的应用

对于接收到的邮件,基于向量空间模型的邮件过滤系统能够将其转换为向量表示,通过计算向量的相似度对其分类并做相应处理。     

墨水字迹书写时间鉴定的理论研究

书写时间鉴定是当今中外文件领域公认的难题,至今没有完全得到认可的成熟可靠的系统鉴定方法,而在众多已披露的书写时间鉴定技术方法中,都基于对墨水字迹物质成分的理化特征与时间的相关规律研究。本文分析和研究墨水字迹形成之后随时间而产生各种理化变化的现象,总结标准墨水字迹书写时间鉴定的各种理论,以期为建立具备可比性的墨水字迹样本库提供一个可实施的依据。     

基于BP神经网络的商业银行风险预警模型研究

建立一个科学、有效的商业银行风险预警模型,是有效防范、化解商业银行风险的重要措施.本文运用BP神经网络和主成分分析相结合的方法构建了一个商业银行风险预警模型.实证结果表明:该神经网络模型能达到88%的较高准确率.     

区域物流业与制造业协调发展研究——以皖江城市带为例

本文根据皖江城市带2001—2009年物流业与制造业数据,运用主成分分析法对物流业与制造业综合发展指数进行评价和比较分析,并在此基础上构建物流业与制造业发展度和协调度模型,计算得到皖江城市带2001—2009年物流业与制造业协调度。研究结果表明:物流业综合发展指数高于制造业,但制造业发展速度比物流业快;皖江城市带物流业与制造业协调发展程度分为四个阶段,且协调程度逐渐提高。最后,本文据此提出皖江城市带物流业与制造业协调发展的政策建议。