径流长期预报的支持向量机方法

支持向量机是近年来提出的一种新的机器学习算法,在解决小样本、非线性及高维模式识别问题中具有独特的优势。针对径流形成过程的不确定性和复杂性,提出了基于支持向量机分类模型的径流长期预报方法。相关研究表明,该方法是可行的,具有预测精度高和良好的可靠性等优点。     

支持向量机技术及其应用研究

支持向量机(SVM)是建立在统计学习理论基础上的一种小样本机器学习方法,本文主要介绍了支持向量机的基本原理,多类分类的研究现状。最后介绍了支持向量机的典型应用。     

基于支持向量机的消费者行为分类方法

大数据时代的来临,企业更加重视通过数据分析来洞察消费者行为,以实现更为精准的营销模式。现有对消费者行为的分类方法主要有层次分析法,聚类,贝叶斯网络等。文章引入支持向量机的方法应用在消费行为分析中,它是在统计学理论基础上发展起来的一种新的模式识别方法,在解决有限样本,非线性及高维模式识别问题中表现出许多特有的优势。最后,文章利用广东省烟草公司的实际调研数据进行支持向量机的训练。文章发现,相比于传统的消费者行为分类方法,支持向量机用于消费者行为分析是一种更精确有效的分类方法。     

基于支持向量机的上市公司财务困境预测

文章采用支持向量机（SVM）来处理上市公司财务数据,与传统的方法相比较,有较好的范化能力,避免了传统方法的不足,能较客观的对上市公司财务困境进行预测。事实证明本模型是有效的,能为投资人和债权人的决策提供有力的支持。     

基于支持向量机的城市物流需求预测研究

文章利用支持向量机的非线性能力对历史物流需求量进行学习,获得模型最优参数,对将来物流需求进行预测。文章调研了焦作市历年的城市物流需求数据对模型性能进行测试,测试结果表明,支持向量机针对城市物流需求预测精度较高,为城市物流需求预测提供了有效的方法。     

支持向量机的应用

支持向量机算法是十大经典算法之一,对于数据分类,数据回归方便有着极好的应用.在实际操作中,我们常用它来处理分类问题.但传统的支持向量机存在噪声太多,数据处理太慢和收敛过快的问题,可通过调整参数进行改进.本文将建立一个模型,实现对支持向量机的简单应用.     

基于支持向量机的多准则航材ABC分类法

分析了传统的ABC分类法在航材分类中应用的问题,将航材的单价、采购提前期、平均故障间隔时间、年消耗量、重要度等级作为分类准则,运用支持向量机多分类原理对航材进行ABC分类,通过与传统ABC分类的比较,验证了此分类方法的有效性、优越性,提高了航材管理的科学性。     

支持向量机在装备维修备件需求量预测中的应用

利用支持向量机回归算法建立备件需求模型,对未来备件需求进行了预测,并结合实例将支持向量回归算法与传统的最小二乘拟合方法作比较。结果表明,支持向量回归算法在预测精度上具有明显的优势,该方法能够较好地适应样本数量较少、需求呈非线性特征的备件预测问题。     

基于非线性支持向量机区域物流量预测

针对现阶段物流系统样本量少的具体状况，从神经网络的非线性预测分析入手，建立物流量预测非线性支持向量机模型并在廊坊市应用，与其它预测方法进行比较，证明采用支持向量机用于区域物流量预测的正确性、可行性并具有较高精度。     

基于支持向量机的现金流时间序列预测分析

准确合理地预测现金流量是决策者面临的重要课题之一。文章通过采用支持向量机进行建模和仿真,利用滑动窗技术,对一汽轿车的现金流量预测进行了实证研究。研究结果表明,支持向量机模型在小样本条件下具有较好的预测效果。模型的拟合和预测效果与滑动窗发送器的尺寸和具体的权重函数选择有关。     

基于预测有效度成分数据处理方法组合预测

为提高成分数据时序预测准确性,提出一种以二阶预测有效性作标准的多种数据处理方法的组合预测。选择成分数据的多种数据转化方法,将有约束时序用对数比,中心对数,超球面变换方法转换成无约束时序后,利用ARIMA—ANN模型对转换后无约束时序预测,对结果做反变换,恢复为成分数据得单项预测结果。最后对得到的单项预测结果进行基于二阶预测有效度的加权几何平均组合,得到相对最优的组合预测结果。     

基于深度残差网络的刀具磨损量预测方法研究

数控机床刀具磨损将直接影响着加工产品的精度,导致产品质量下降。在自动化程度越来越高的数控加工中,监测刀具状态变得更加困难。为了保证产品质量,快速、精确的预测刀具磨损量,本文提出基于深度残差神经网络的多传感器刀具磨损量预测方法,首先,该方法提取振动、切削力和声发射传感器信号的时域特征,然后,利用深度残差网络对时域特征进行监督学习训练,最后,把训练好的模型对测试数据进行测试。本文提出的模型通过试验验证其有效性,模型评价指标绝对均值(MAE)约为1.51×10-3mm,具有较高的预测精度。     

一种基于SVM的坝面裂缝损伤智能识别方法

针对坝面裂缝损伤尺度的识别的方法少、识别精度和效率较低的问题,提出了一种基于SVM的坝面裂缝损伤智能识别方法。在整个图像的范围内,运用photoshop将图像中的非关键因素进行处理且不破坏原影像中裂缝的条数、和大小等参数。再将坝面的裂缝影像根据一定的阈值提取特征图像建立影像模型,将不同的尺度设计了运用支持向量机SVM的"1Vm"坝面裂缝损伤影像模式识别器进行处理,可以有效地提取细裂缝和粗裂缝的信息。理论分析和实验结果表明,该算法提高了坝面裂缝损伤的识别精度和效率,能快速准确的识别出坝面裂缝损伤程度。     

基于逼近理想解方法的股票长期投资决策方法研究

为了更好的对股票长期投资问题进行决策,在分析股票投资特点的基础上,从宏观经济环境、行业状况、公司经营状况和股票价值等方面分析了影响投资决策的主要因素,并构建了评价指标体系。将逼近理想解的评价方法引入股票长期投资决策中,为该类问题的有效解决提供了一个新的思路。     

基于仿真方法的新型装备备件消耗预测研究

针对新型装备备件消耗历史数据较少,提出用仿真方法预测新型装备备件消耗。在分析影响装备备件消耗因素的基础上,做出一系列假设,用系统仿真的方法模拟装备的使用、故障和维修,以此预测备件的消耗。实例验证了用系统仿真方法预测新型装备备件消耗,其预测精度要高于传统预测方法。     

一种有效的成品库存管理预测方法——聚焦预测法

聚焦预测是由伯尼·史密斯（Bemie Smith）首创的。他科学的证明了预测中应用的统计方法有时并不能给出最佳的预测结果,而那些使用历史数据的简单技术经证明同样可以是预测未来的最佳技术。     

基于线性回归方法的我国电力市场短期用电需求预测分析

文章采用一元线性回归分析法和趋势比率误差调整法,基于以往五年我国季度月度用电量数据,对未来短期内我国的用电量做出了科学的预测。解决了电力市场短期用电需求预测的实际问题。具有结果误差小,操作简便等优点。     

高速公路交通事故概率预测方法研究

准确的高速公路交通事故概率预测可提高高速公路行车安全。通过分析高速公路交通事故的影响因素,建立高速公路交通事故影响因素体系,构造贝叶斯网络,提出基于贝叶斯网络的高速公路交通事故概率预测方法。此方法利用数据库先验概率信息及贝叶斯预测模型,得出高速公路交通事故概率值,以此判断事故危险等级。     

基于G—Logit的停车需求预测模型

停车需求预测是静态交通研究的重点和难点,本文根据停车需求预测的出行吸引模型的基本思想,建立了基于G－Logit的停车需求预测模型,并提出了运用逐步多元回归分析技术,非线性最小二乘法和二步检验技术等求解与检验该模型的方法,根据随机效用理论对车辆出行选择停泊场所的行为进行分析,预测不同车型的停车需求,进而预测其对不同类型停泊场所的需求。