基于支持向量机回归算法的航空公司客流量预测研究

在航空公司运营管理过程中,航空客流量预测是其航班计划和机队规划的重要依据。本文介绍了航空客流量预测中常用的几种预测方法,并对他们的特点进行了分析比较;阐述了支持向量机的理论基础和原理,给出了支持向量机的回归模型,并重点探讨了预测模型中核函数的选择方法;在选择适当的参数和核函数的基础上,对航空客流量进行预测,并与BPANN和线性回归算法这两种预测方法进行对比,证明支持向量机回归算法能获得训练最小的相对误差,是相对有效的一种航空客流量预测方法。     

基于果蝇算法优化小波神经网络的输电工程造价预测

为了准确控制输电工程造价水平,提出一种基于果蝇算法优化小波神经网络的混合预测模型。首先,对输电工程造价影响因素进行归一化处理,并将归一化结果作为输入变量;其次,利用果蝇算法对小波神经网络参数进行优化,在此基础上,利用优化后的小波神经网络模型预测输电工程造价;最后,将本文的预测结果和其他方法进行对比。算例结果表明,该混合模型的预测效果更理性,精度更高。     

基于改进粒子群算法的SVR参数优化选择的研究基于改进粒子群算法的SVR参数优化选择的研究

支持向量回归机（SVR）模型的拟合精度和泛化能力取决于其相关参数的选取,由于在参数的选择范围内可选择的数量是无穷的,在多个参数中盲目搜索最优参数是需要极大的时间代价,并且很难逼近最优。因此提出了基于改进粒子群算法的SVR参数优化选择方法。仿真结果表明：该改进粒子群算法优化SVR参数方法可行、有效,由此得到的SVR模型具有更好的学习精度和推广能力。     

基于改进粒子群算法的SVR参数优化选择的研究

支持向量回归机(SVR)模型的拟合精度和泛化能力取决于其相关参数的选取,由于在参数的选择范围内可选择的数量是无穷的,在多个参数中盲目搜索最优参数是需要极大的时间代价,并且很难逼近最优。因此提出了基于改进粒子群算法的SVR参数优化选择方法。仿真结果表明:该改进粒子群算法优化SVR参数方法可行、有效,由此得到的SVR模型具有更好的学习精度和推广能力。     

基于PSO-SVR的气膜薄壳钢筋混凝土穹顶储仓的工期预测

为客观、合理地进行气膜薄壳钢筋混凝土穹顶储仓的工期预测,提出了基于PSO-SVR的预测方法。采用粒子群算法(particle swarm optimization,PSO)对支持向量回归机(support vector regression,SVR)的参数进行优化,并运用优化后的支持向量回归机对气膜薄壳钢筋混凝土穹顶储仓的工期进行预测。通过实例验证表明:PSO-SVR模型的预测效果优于遗传算法(GA-SVR)和串联型灰色神经网络(SGNN)。     

基于遗传模拟退火算法的LS—SVM参数选取

决定LS—SVM性能的因素是惩罚因子C和核函数的选取。核函数通常选用RBF核函数。本课题基于遗传模拟退火算法来优化LS—SVM的参数组合（C，γ），并通过土石坝渗水量的数据做实例分析，测试结果同没有进行参数优化的最小二乘支持向量机测试结果和BP神经网络测试结果进行对比，结果表明基于改进遗传算法优化最小二乘支持向量机参数的建模方式，建模速度和预测精度同后面两种方法相比都有所提高，有着广阔的应用前景。     

汇率预测:一个新的非参数支持向量回归方法

本文利用一个新的非参数支持向量回归(SVR)方法来预测基于非线性ARI模型的汇率时序变量,并且与最大似然法(MLE)和人工神经网络(ANN)的预测结果进行比较。从理论上讲,MLE和ANN方法仅侧重于样本内拟合,而SVR方法则同时考虑了拟合和预测,因此,其预测能力在现有方法中是最强大的。本文选择中国、韩国、印度和瑞士四种货币的日汇率来进行预测检验,实证结果支持SVR方法具有最强的预测能力。     

中国黄金期货价格的SVR智能预测研究

以中国黄金期货为研究对象,选取了开盘价、最高价、最低价、收盘价、成交量和成交额6项指标作为样本的特征指标变量,运用归一化方法消除特征指标变量间因量纲不同而造成的预测误差,进而引入支持向量回归机(Support Vector Regression Machine,SVR)智能方法对该期货的开盘价格进行预测研究,并通过引入网格搜索法对SVR模型的最优参数进行寻找,从而构建了最优的SVR智能预测模型。通过对训练样本集与测试样本集的实证研究发现,文章所构建的最优SVR智能预测模型具有优越的学习性能与泛化推广性能,能够准确地预测中国黄金期货的价格。     

基于残差函数主成分的相依函数型回归模型估计及金融应用

本文研究具有相依特征的函数型数据的函数表示方法及其回归模型的估计方法。首先基于分整理论提出基于残差函数主成分的函数表示方法,然后利用残差函数主成分对回归系数函数正则化表示,最后把函数曲线和回归系数函数代入相依函数型回归模型进行估计,并通过蒙特卡洛模拟和金融实例分析来评估参数估计和样本外预测的准确性。研究发现,相比现有的基于协方差函数和长期协方差函数的函数主成分估计方法,本文提出的基于残差函数主成分的估计方法具有良好的有限样本性质,回归系数函数估计更准确、样本外预测效果更好;基于高频数据的股市开盘价预测实证研究表明本文方法的样本外预测精度最高。与现有方法相比,本文提出的基于残差函数主成分的估计方法,既考虑函数型数据的相依特征,又避免长期协方差函数估计时面临的核函数和窗宽选择问题,为经济金融等领域具有相依特征的函数型数据提供一种函数表示方法,丰富函数型回归模型理论,为其他函数型回归模型的拓展提供借鉴。     

Elman型回归神经元对男子100m自由泳成绩预测的研究

将Elman动态回归神经网络预测方法应用于男子100m自由泳成绩的预测,通过对自1972年历届奥运会男子100m自由泳决赛成绩的历史数据归一化处理,组成一个从输入到输出的非线性映射,并利用MATLAB软件对其进行学习与训练的仿真实验,证明Elman神经网络可以较精确的应用于游泳成绩的预测。     

电网建设项目物资需求预测研究

为满足电网建设项目物资需求管理的发展要求,在现有企业资源计划(ERP)系统完成上线并能够提供初步数据支持的基础上,针对如何依据电网建设项目里程碑计划中的基本工程建设指标,合理预测物资需求的问题,借助支持向量机模型(SVM)和人工鱼群算法(AFSA),构建了电网建设项目物资需求预测模型.在支持向量回归机的基础上,融合添加混沌搜索后的改进人工鱼群算法,优化了向量机核函数选取和参数设置,通过省级电网建设项目物资需求历史数据测试,模型预测结果满足实际使用要求,能够有效解决电网建设项目物资需求预测的问题.     

SVM分类器在继发性干燥综合征诊断中的应用

本文为解决SLE患者并发继发性干燥综合征不易诊断及确诊主观性较强等问题,提出了一种可供计算机学习的支持向量机智能算法预测诊断模型。首先对材料中141名患者的26种相关诊断指标进行数据预处理,使之成为能够适合支持向量机计算的量化数据;其次运用交叉验证法、网格搜索法、改进的粒子群优化算法分别对支持向量机模型中的惩罚系数C与核参数g进行优化选择,并利用MATLAB软件分别画出以上3种优化方式得出的支持向量机参数模型;最终对比选出对SLE患者并发继发性干燥综合征疾病诊断预测度最高的预测模型。结果表明,基于改进的粒子群算法优化的支持向量机分类模型参数的自优化,对该疾病预测诊断精度最高。     

财务预测中构建Excel回归分析模型

本文研究在销售收入、资金占用、成本费用等财务预测中,利用Excel内置的公式与函数、窗体工具交互选择等功能,构建Excel回归分析模型的技巧。     

基于改进FOA的SVM参数优化研究

为了提高支持向量机(SVM)分类性能,同时针对果蝇优化算法(FOA)寻优精度不高和易陷入局部最优的特点,提出了一种改进的FOA算法(LFOA),并将其应用于SVM的参数寻优中。该方法在运算个过程中根据果蝇种群的进化程度,动态的将种群分为较差子群和较优子群;较差子群在最优个体的指导下以基本FOA算法进行全局搜索,较优子群则围绕最优个体做Levy飞行,进行精细化局部搜索;两个子群的信息通过全局最优个体的更新和种群个体的重组进行交换。通过对UCI数据库中几个经典数据集的分类测试结果表明,基于LFOA优化SVM参数能够提高SVM的分类性能,效果优于其他几种方法。     

基于非凸函数的矩阵秩最小化理论

近来,在计算机视觉、 数据挖掘等领域人们越来越热衷于利用秩最小化方法优化模型.由于在求解秩函数的过程是一个NP难的非凸优化问题,本文选取对数行列式函数作为秩函数的非凸近似,采取增广拉格朗日乘子法(ALMM)求解对数行列式线性最小二乘模型.通过数值实验验证本文提出的算法较现有的求解核范数矩阵秩最小化问题的算法更高效.     

橡胶充气芯模混凝土填料工程工期预测研究

根据橡胶充气芯模混凝土填料施工的特点,详细分析了影响其工期的因素,结合支持向量回归机(SVR)和粒子群算法(PSO)的优点,建立基于PSO-SVR的橡胶充气芯模混凝土填料工程工期预测模型。通过对某选煤厂混凝土填料施工的数据进行仿真,结果显示:PSO-SVR模型的预测效果优于基于交叉验证的支持向量回归机(CV-SVR)模型以及基于遗传算法的支持向量回归机(GA-SVR)模型。     

基于改进的BP人工神经网络在我国税收预测中的应用

人工神经网络是近年来在经济景气分析、经济时间序列预测、组合证券优化、股票预测等领域广泛应用的一种人工智能技术,取得了良好的效果。本文提出了一种综合共轭梯度和自适应变步长的改进BP算法,并利用改进的BP算法建立了税收预测模型,通过与传统回归分析预测方法结果的比较,证明了该算法收敛速度快,学习精度高,而且有效地避免了常规BP算法的局部极小值问题。     

多出救点、单需求点应急物资车辆路径—分配优化决策模型

将应急车辆路径优化和物资分配结合,依据应急响应的时效性、安全性和经济性三个准则,建立了多出救点、单需求点应急物资车辆路径－分配优化决策模型。首先通过对多目标函数的无量纲化、权重聚合处理等,构造决策效用函数,采用Dijkstra算法求解备选路线权重。其次,结合应急物资分配的多出救点组合选择,利用总体决策准则值,进行优化求解。最后,构建应急物资车辆路径－分配优化决策模型及其算法,算例及其分析结果证明了该模型算法的有效性。     

多出救点、单需求点应急物资车辆路径-分配优化决策模型

将应急车辆路径优化和物资分配结合,依据应急响应的时效性、安全性和经济性三个准则,建立了多出救点、单需求点应急物资车辆路径-分配优化决策模型.首先通过对多目标函数的无量纲化、权重聚合处理等,构造决策效用函数,采用Dijkstra算法求解备选路线权重.其次,结合应急物资分配的多出救点组合选择,利用总体决策准则值,进行优化求解.最后,构建应急物资车辆路径-分配优化决策模型及其算法,算例及其分析结果证明了该模型算法的有效性.     

基于机器学习模型的二手车估价问题研究

二手车价格不但受到汽车本身配置影响,还与汽车损耗、新车价格等信息有着密切的联系,因此往往难以对二手车价格进行准确估计。本文根据拉依达准则去除异常数据,利用线性插值法填补缺失值,运用XGBoost算法筛选出11个影响二手车交易价格的重要因素。在11个重要因素的基础上,运用主成分分析进行降维处理,得到四个主成分。再运用BPNN、PCA-BPNN、SVR、PCA-SVR、RF、PCA-RF六种模型对二手车交易价格进行预测。添加降维处理的模型预测效果明显优于未降维处理的模型,并且PCA-RF模型的预测效果最佳,其5%误差准确率高达29.20%。