基于SVM的软件质量评价

为了提高软件质量评价的准确性,参考各软件质量模型中的质量因素,构建评价指标体系并构建基于SVM的软件质量评价模型,通过在WEKA下实例仿真,基于SVM的评价结果与期望的结果是一致的,表明该方法能够准确、科学和客观地评价软件质量。     

基于小波变换和贝叶斯证据推断框架下的LS—SVM短期风速预测

基于小波的多分辨率分析,针对风速序列拟周期性、非平稳性及非线性等特点,将风速序列按不同频率进行分解,对分解后的原始风速信号分别建立不同的预测模型;各个模型的最佳参数由贝叶斯证据3层推断得出,用以建立基于小波和贝叶斯证据推断框架下的最小二乘支持向量机（LS-SVM）回归短期风速预测模型。应用该模型对东北某风电场的风速进行了提前1h的预测,预测的平均绝对百分比误差为7．63％,提高了预测精度。预测结果表明：基于贝叶斯证据推断框架下的LS—SVM和小波分析相结合的短期风速预测模型是一种有效、可行的风速预测模型,可为风力发电功率的预测提供一定的理论支持。     

基于GA与SVM改进的ARIMA石油价格预测模型研究

基于石油价格易受政治、经济、文化等多种因素的干扰,借助遗传算法和支持向量机对单一的ARIMA模型进行改进,提出GA-SVM-ARIMA模型对石油价格进行预测。结果表明,该预测模型通过了平稳性和白噪声检验,学习率和训练损失值明显优于ARIMA模型和SVM-ARIMA模型。在应用效果中,GA-SVM-ARIMA模型对石油价格的预测精度较高,与真实值之间的误差不超过2%,不仅在短期价格预测中的平均绝对误差均值(2.162 5%)和均方根误差值(3.227%)明显低于其他模型,而且在长期价格预测中也表现出较高的精准度。     

基于SVM模型的上市公司财务困境预警研究

本文运用支持向量机技术,以我国上市公司为研究样本,建立了一种新型的财务困境预警模型.通过对该模型的反复调整,得到了较高的预测精度和较好的推广能力.与其它财务困境预警模型相比,我们所建立的支持向量机模型在对上市公司财务困境预警方面具有便于使用、预测精度高等特点.具有广阔的实际应用前景.     

基于SVM模型的山东省电力需求预测

基于山东省1985--2008年的有关数据,分析了山东省电力消费的主要影响因素,然后运用最小一最大规范化方法对数据进行规范化处理,并利用相关系数法得到影响山东省电力需求的最优属性集,最后根据SVM原理,选取径向基核函数、线性核函数、多项式核函数3种核函数分别建立山东省电力需求预测模型,并利用平均绝对百分误差、希尔不等系数和均方根误差3种评价指标进行拟合度的检验。预测结果说明：与传统的时间序列拟合法相比,SVM模型在电力需求预测方面精度较高;在进行短期电力需求预测的时候,基于径向基核函数建立的SVM模型表现出很大的优势;而在进行长期电力需求预测的时候,基于多项式核函数建立的SVM模型更为合适。     

基于改进支持向量机的混凝土桥梁极限荷载预测研究

作为基础设施的重要组成部分,混凝土桥梁承担着货物运输和人员通行的重要任务,然而由于长期受到环境因素和交通负荷的影响,桥梁结构会逐渐受损,可能会导致严重事故和损失,因此准确预测混凝土桥梁的极限荷载对于确保桥梁结构的安全性和可靠性至关重要。以改进支持向量机为基础,对混凝土桥梁极限荷载进行精准预测,为桥梁结构的健康监测和维护提供一种可靠的工具和方法。     

基于支持向量机的石油期货价格预测

建立了基于支持向量机技术的石油期货价格预测方法.该方法使用价格序列一阶差分及其滞后值建模,采用径向基(RBF)核函数和序贯最小优化(SMO)算法,通过综合验证方式确定包括嵌入维数在内的各参数.实证研究表明,支持向量机方法比RBF神经网络和ARIMA模型预测精度更高,具有很好的应用前景.     

北上广深经济增长质量测度和分析

本文根据经济增长质量的内涵,从结构优化、稳健有效、民生共享、资源环境和创新素质等五 个维度构建经济增长质量评价指标体系,采用全局主成分分析法（GPCA）对2000～2013年北 京、上海、广州和深圳四城的经济增长质量时序变化进行量化考察。测度结果表明,新世纪 以来四城的经济增长质量水平均有大幅提升,四城间的经济增长质量水平存在明显的梯度性 差异,但这种差距呈持续缩小的趋势。各城市应因城制宜提升经济增长质量,在关键着力点 上各有侧重。     

基于支持向量机模型的地铁进站客流量预测

为了更精确地预测短期站点客流量,动态调整城市轨道交通的日常客流方案,采用支持向量机模型对预测地铁客流量。首先,通过对AFC数据分析,利用上周同期进站量、前一天同期进站量、当日前两个时段进站量以及高峰和非高峰时段参数作为模型的输入变量;然后,构造支持向量机预测模型并运用粒子群算法优化模型(PSO-SVM模型),实现地铁站点客流量预测,并进行不同模型预测误差的比较分析;最后,以苏州地铁数据为例,预测汾湖路地铁站的进站客流量。结果表明,优化模型能够有效改善预测误差,预测结果更为准确,证明PSO-SVM方法能有效用于地铁进站客流量的预测研究,为地铁进站客流量预测提供了新的方法。     

基于SVM的项目群优选模型及其应用

在支持向量两类分类机的基础之上,利用一对一的方法建立3类分类机,提出用于项目群优选的得分函数,用以对项目群中的项目进行排序,按照排序结果优选项目,对项目进行评价,或者安排投资计划,从而实现资源的优化配置.将该方法应用于电能计量装置改造项目的综合评价中,借助于支持向量机工具箱OSU_SVM3.00,在Matlab6.5中予以实现.实验结果表明,该方法是用于项目群优选的有效方法.     

基于支持向量机的煤炭需求量混沌时间序列预测

一、引言 在我国能源开发战略研究和煤炭资源价值的评估中,对煤炭需求预测的研究是一项十分重要的工作. 煤炭需求预测的方法很多,主要有主观推断法、趋势外推法、国内生产总值单位能耗部门预测法、需求弹性系数法、主要消耗部门预测法、人均能耗法、回当分析法、时间序列预测法、灰色预测方法、人工神经网络等.     

基于健康状态预测的家具制造设备维修方法

针对板式家具制造企业中如何以较少的投入来减少故障停机时间的问题,提出了一种基于健康状态预测的设备维修方法。该方法将设备的温度和电信号数据作为输入信息,通过模糊最小二乘支持向量机构建的故障预测模型获得预测输出,并以该预测输出数据来建立设备健康状态等级、指导设备维修计划的科学制定,从而减少故障停机时间。利用直线封边机的运行和维修数据对该方法进行案例验证,表明该方法有一定有效性。     

基于主成分分析的我国新型城镇化质量评价

城镇化是现代化的必由之路,我国的城镇化进程在取得巨大成就的同时出现了严重的城镇化质量问题。本研究从新型城镇化的内涵出发,构建新型城镇化质量评价指标体系,采用主成分分析法对全国30个省市的城镇化发展质量进行综合评价。结果显示：我国30个省市间城镇化质量差异十分显著,高于城镇化速度体现的差异。从东中西部区域来衡量城镇化质量高低,可以看出,东部＞中部＞西部。从城镇化速度与城镇化质量的协调度来分析,可以看出我国城镇化可以划分为4种类型：“高——高”型,“高——低”型,“低——低”型,“低——高”型,文章最后针对不同类型的城镇化提出相应的政策建议。     

基于最小二乘支持向量机的标高金预测方法研究

标高金确定的合适与否,直接影响着投标方能否中标和盈利。针对传统神经网络方法存在的缺点,提出了一种基于最小二乘支持向量机的标高金预测方法,并对该方法进行了实证研究。实例研究表明,基于最小二乘支持向量机的标高金预测方法是有效可行的,其在解决小样本数据的非线性问题上有着传统方法无可比拟的优越性。该方法为科学合理地确定标高金提供了一种新的思路,可为投标方的报价决策提供参考。     

基于主成分分析的我国新型城镇化质量评价

城镇化是现代化的必由之路,我国的城镇化进程在取得巨大成就的同时出现了严重的城镇化质量问题。本研究从新型城镇化的内涵出发,构建新型城镇化质量评价指标体系,采用主成分分析法对全国30个省市的城镇化发展质量进行综合评价。结果显示：我国30个省市间城镇化质量差异十分显著,高于城镇化速度体现的差异。从东中西部区域来衡量城镇化质量高低,可以看出,东部＞中部＞西部。从城镇化速度与城镇化质量的协调度来分析,可以看出我国城镇化可以划分为4种类型：“高———高”型,“高———低”型,“低———低”型,“低———高”型,文章最后针对不同类型的城镇化提出相应的政策建议。     

基于贝叶斯框架的最小二乘支持向量机煤价预测

2008年以来国际、国内煤炭市场价格经历了大幅波动,对我国工业经济尤其是电力行业造成了巨大的冲击。煤炭市场价格的大幅波动已经引起社会的广泛关注。客观分析煤炭价格的影响因素,找出引起煤炭价格大幅波动的原因,对未来煤炭市场价格进行有效预测,进而有效地规避煤炭市场风险,对于工业经济尤其是煤炭和电力行业的稳定发展具有重要意义。     

基于神经网络算法和随机森林模型的烧结矿质量预测

为对成品烧结矿质量进行实时、准确的预测,构建基于神经网络算法和随机森林模型的成品烧结矿质量预测体系。以TFe、CaO、SiO₂、R₂、MgO、Al₂O₃、P、固定碳共8个参数作为输入,以转鼓强度、筛分指数作为输出,采用限幅滤波进行数据处理,形成测试集;用测试集进行训练,以平均绝对误差(MAE)、命中率为评价指标,对比两种方法对烧结矿质量预测的精度优劣。结果表明,随机森林模型对转鼓强度预测效果更好,神经网络算法对筛分指数预测效果更好,二者相得益彰,可达到90%以上的命中率,可以实现对烧结矿质量的快速、准确预测。     

基于KPCA-GRNN的炼化厂管道腐蚀速率预测

为了提高炼化厂循环水对管道腐蚀预测的精度,选取8种常规监测数据作为样本标准库,在此基础上考虑各指标之间信息叠加的影响,引入核主成分分析(KPCA)和广义回归神经网络(GRNN)腐蚀速率预测模型,通过KPCA对原始数据进行预处理,提取影响管道腐蚀的主要因素,应用GRNN建立管道腐蚀速率预测的数学模型,通过分析影响循环水腐蚀的关键因素,建立了循环水腐蚀预测指标体系。结果表明,将样本监测数据的维数由8降至5,可得出各个影响因素的贡献率,提取出包含原始信息95.84%的5个变量,且基于KPCA-GRNN的算法对监测管道腐蚀速率的平均相对误差为0.033,优于误差反向传播算法(BP)的0.056。因此,基于KPCA-GRNN算法建立的循环水碳钢腐蚀速率预测模型,能够获得更准确的预测结果,拓宽了循环水腐蚀速率预测方法的研究思路。     

基于支持向量机和特征向量提取的人脸识别框架

为了研究支持向量机在人脸识别中的应用,提出了人脸识别框架,该框架首先利用特征向量提取算法对人脸进行特征提取,得到人脸面部纹理特征数据,然后采用支持向量机对提取的数据进行训练,得到人脸模板,并依据人脸模板对人脸进行识别。实验采用ORL人脸数据库作为实验数据,使用LBP算法提取特征向量,使用LIBSVM训练得到人脸模板数据库,当模板人脸数与预测人脸数比值一定时,随着人数增加,其预测的正确率会有所下滑;当人数一定时,人脸模板与预测人脸数值上升,其正确率会有所上升。当选择一个相对合适的模板比例时,正确率将会达到89.29%以上。实验结果表明,提出的框架对于人脸具有良好的识别能力。