基于最小二乘支持向量机的地震安全社区经济评价研究

近几年地震频繁发生,为有效预防地震灾害,我国对防震减灾工作越来越重视,大力推进地震安全社区的建设,同时,对地震安全社区的经济性评价也要求更科学、客观和准确。首先对地震安全社区经济指标进行了分析,建立了地震安全社区经济评价指标体系。为提高经济评价的精确性,避免评价过程中的主观性,选择采用粒子群优化最小二乘支持向量机（PSO-LS-SVM）模型对地震安全社区进行经济评价,建立了评价模型。实证分析表明,该模型的评价结果与地震安全社区实际经济情况极为接近,可用于地震安全社区的经济评价。     

基于支持向量机的工程项目风险预测

本文在介绍支持向量机(SVM)基本原理的基础上探讨了支持向量机在建设工程中应用的可能性和有效性,提出基于支持向量机的项目风险预测算法,为预测工程项目风险提了一种新的方法。本文同时也介绍了Libsvm软件在项目风险预方面的应用。     

基于支持向量机回归的中国CPI预测研究

本文针对中国CPI指数的预测问题．首先用主成分分析方法对影响CPI指数的八个指标进行降维处理．然后利用支持向量机技术建立起中国CPI指数的预测模型并对我国实际的CPI指数进行了预测。实证分析结果表明,PCA—SVM模型能够有效地对CPI指数进行短期预测。最后．与单纯的支持向量机模型的预测结果做了对比．对比结果表明．支持向量机和主成分分析相结合的模型应用于CPI预测具有较高的精确度。     

遗传模拟支持向量机在居民消费价格指数预测中的应用

为了能够准确地对我国居民消费指数进行预测,本文深入研究了支持向量机在居民消费价格指数中的预测,首先阐述了最小二乘支持向量机的基本理论,接着提出了遗传模拟退火算法,最后进行实例研究,结果表明该方法具有较高的预测精度。     

多变量支持向量机预测技术研究及应用

机械系统中,对振动信号敏感特征量的预测可以反映机械设备运行状态的趋势。然而,特征量往往受到多个变量的影响,当前的单变量支持向量机(Support Vector Machine或SVM)预测技术无法实现多变量预测。建立一种能够实现多变量影响下特征量预测的多变量SVM预测方法,将具有很好的应用前景。文章提出了一种多变量SVM预测模型,对多变量输入的非线性函数的预测结果验证了该模型的有效性。将该预测模型应用到滚动轴承疲劳寿命实验数据中,实验结果验证了多变量SVM预测技术的有效性。     

基于支持向量机的数控机床热误差建模方法

文章对数控机床热误差建模的方法进行了对比分析,提出了一种支持向量机的热误差建模方法。通过实验表明,采用该方法建立的热误差模型,能够比较准确的预测数控机床的热误差。     

基于支持向量机的中小企业自主创新能力评价指标识别

中小企业自主创新能力是国家社会经济发展的重要驱动力,客观科学地评价中小企业自主创新能力,将有助于其健康成长,针对企业自主创新能力评价指标设计随意性、片面、交叉繁杂的现状,通过建立SVM指标识别模型,并利用苏州五县市25家中小企业的100个数据进行实证分析,结果显示该模型对研究者从任意角度设计出中小企业自主创新能力评价指标有一定的识别能力,由此确保构建出的自主创新能力评价指标体系将更趋于合理实用。     

基于支持向量机的网贷借款人违约风险评估

随着互联网金融的发展,P2P网贷平台规模急速扩大,网贷平台的跑路潮现象及借款人违约问题等也随之出现,这极大制约着网贷平台的健康发展。利用爬虫技术获取借款人信息,选取17个核心变量为解释变量、项目状态为目标变量,并通过交叉验证确定支持向量机模型的最优参数,建立最佳网贷借款人违约风险评估模型。实验结果表明,模型的稳定性和泛化能力较好,研究结果可为网贷平台风险预警和风险防控等方面提供决策支持,有助于促进网贷平台健康发展。     

支持向量机在上市公司风险管理中的应用

在严峻的经济形势下,企业之间的竞争越来越激烈,提高企业的竞争力和综合实力,研究企业的风险具有很强的实践意义,可以让企业提前预知风险,降低企业破产的可能性。研究企业风险的传统方法大多是基于线性的,而企业的风险一般是非线性。支持向量机(support vector machine)模型是基于统计学习理论发展起来的一种新兴的机器学习方法,对解决非线性、小样本问题具有很好的适用性。利用支持向量机模型研究中国上市公司的风险,通过对上市公司的财务比率进行建模和仿真研究,发现支持向量机对所选取的样本具有很好的分类效果,强于传统的线性方法,得出了支持向量机在上市公司的风险预测方面具有很强的准确率和可行性。这对以后研究上市公司风险具有一定的参考意义。     

基于支持向量机的旅游目的地游客满意度评价模型

游客满意度是旅游目的地旅游业发展的风向标,对旅游地的和谐发展具有重要的指导意义。针对游客满意度与满意度评价指标之间存在明显的非线性关系,在重构旅游目的地游客满意度测评指标体系现有的基础上,利用支持向量机方法构建旅游目的地游客满意度分类评价模型,实现对旅游地5种满意度状态的智能评判。试验结果表明,与传统的神经网络分类器相比,SVM具有更优的分类正确率及更快的运行速度,具有一定的推广应用价值。     

最小二乘配置在推估重力异常上的应用

文章先对最小二乘配置的原理进行了介绍,并阐述了重力异常的协方差函数的确定方法。在此理论基础上,以一个实际算例来具体展现利用最小二乘配置方法进行重力异常配置计算,并计算误差。     

最小二乘原理在隧道施工安全质量预测预报中的应用(英文)

土建工程的安全质量控制的本质,就是运用数理统计原理,归纳、分析实测得到的有关数据,从而达到对现场安全作出准确诊断、对施工质量作出正确评价之目的,其中最常涉及的数学理论知识点是最小二乘原理。本文通过一隧道工程实例,阐明了最小二乘原理在其安全质量预测预报中的作用及使用,颇具实用性操作性地实现了数学理论与工程实际的密切结合。     

最小二乘原理在隧道施工安全质量预测预报中的应用(英文)

土建工程的安全质量控制的本质,就是运用数理统计原理,归纳、分析实测得到的有关数据,从而达到对现场安全作出准确诊断、对施工质量作出正确评价之目的 ,其中最常涉及的数学理论知识点是最小二乘原理。本研究通过一隧道工程实例,阐明了最小二乘原理在其安全质量预测预报中的作用及使用,颇具实用性操作性地实现了数学理论与工程实际的密切结合。     

基于支持向量机的网络贷款平台等级评价

采用有监督学习方法建立支持向量机模型,对网络贷款平台的等级评价方法进行了研究。由于学习样本少,为了提高模型的泛化能力,采用K-fold交叉验证方法进行模型学习。采用不同的核函数分别建立6种支持向量机模型,选择经过5轮交叉验证后正确率最高的模型作为最终的输出模型。验证结果表明,虽然学习样本数量不多,所建立的支持向量机模型在验证集中预测准确度达80%。     

基于PSO优化LSSVM的股价时间序列预测

现实中的金融时间序列存在非线性、不确定性等特点,利用传统的预测方法难以获得满意的结果。提出了一种基于PSO优化LSSVM模型参数的股价时间序列预测方法。利用PSO算法的收敛速度快和全局收敛能力,优化LSSVM的惩罚因子和核函数参数。利用该方法应用于金融市场中的股价序列预测,与传统方法对比表明,该模型能够提高金融时间序列的预测精度,其具有更好的泛化能力,这对国内投资者进行股票投资具有现实的借鉴意义。     

上海住宅价格决策模型——基于因子及偏最小二乘回归分析

本文运用基于因子分析和偏最小二乘回归分析两种方法对所选取的13个因素与上海住宅价格关系进行了研究。通过消除多重共线性问题,首次基于1990-2010年的统计数据,从供给和需求不同的角度建立了多变量下的上海住宅价格决策模型,全面反映了上海住宅价格波动的因素。研究结论表明:从长期来看,上海市住宅市场属于买方市场,即消费者主导了住宅价格的波动,但是需求弹性较小,即需求方在价格谈判中处于弱势地位。供给方面,投资总额对住宅价格的影响显著,住宅市场盲目投资严重。政府应继续加大宏观调控力度,使住宅市场更加合理高效,这样有助于上海保持人才优势,促进产业升级。     

建筑供应链风险研究

供应链管理作为一种新管理理念与方法,在提高建筑企业核心竞争力和增加利润的同时,由于市场的不确定因素,也将给建筑企业带来一定的风险。为了降低不确定性给企业带来的损失,从参与方的角度出发,对建筑供应链中的不确定性进行分析,建立其风险量化评估指标。通过专家打分法与企业调研收集、处理数据,运用Matlab程序编写风险预测模型,对建筑供应链中的风险进行模拟与预测,并且使用SPSS检验结果,验证了最小二乘支持向量机可以准确有效的对风险进行预测。