基于支持向量机的柴油机故障诊断

本文研究了基于支持向量机的故障诊断方法。以传感器检测数据为输入,利用v-支持向量分类机进行故障分类识别。通过对柴油机燃油压力波动信息和柴油机振动监测数据的处理分析,结果显示基于支持向量机的故障分类器能够在样本有限的情况下出色的完成多种故障的诊断分类。     

对油浸式变压器故障诊断的研究

变压器是电力系统中的中的重要设备,它的正常运行对电力系统起着至关重要的作用。针对变压器的故障诊断方法,主要有传统比值法以及各种智能诊断方法。针对传统比值法和各种智能诊断方法编码不全,编码与故障类型对应关系太过绝对等缺点。本文将支持向量机、遗传算法和粗糙集相结合,应用到变压器故障诊断中。经过实例证明,该方法切实可行,诊断结果证明了本方法的有效性。     

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.     

基于支持向量机的利率期限结构研究

支持向量机具有良好的非线性函数逼近功能,是一种重要的研究利率期限结构的非参数化方法。文章建立了基于支持向量机的利率期限结构模型,并对其进行了估计,然后与传统的及神经网络的方法进行了对比,结果充分显示了支持向量机的良好性能,精确度也得到了进一步的提高。     

基于支持向量机的烟叶自动分级

烟叶分级是烟草行业的一项基础性的工作,对烟叶进行准确的分级是提高烟草制品品质的关键因素。随着计算机技术的发展,机器视觉技术在烟草行业的应用也越来越广泛。本文利用支持向量机(SVM)的模式识别方法来研究烟叶的自动分级。     

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。     

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。     

基于最小二乘支持向量机的VaR计算方法研究

VaR是使投资风险数量化的工具,旨在估计给定金融资产或组合在正常的资产价格波动下未来可能的或潜在的最大损失。支持向量机是一种基于传统统计学习理论的机器学习算法。波动率作为金融风险的度量,是风险管理中的重要指标。在对Va R的计算中,本文将最小二乘支持向量机与传统的蒙特卡罗模拟法结合,对波动率进行估计。实证分析表明,该方法可行有效。     

基于支持向量机的舰艇部队作战油料消耗量预测研究

为了提高舰艇部队战时油料消耗量预测的准确性,提出了基于支持向量机的预测方法.分析了支持向量机的回归原理及算法,构造了舰艇部队作战油料消耗量预测模型.针对支持向量机中训练参数对预测结果的影响,采用遗传算法对相关参数取值进行优化,以获得预测性能较好的支持向量机模型.以某舰艇部队参加演习的油料消耗量数据作为实验数据,采用构建的支持向量机模型对舰艇部队油料消耗量进行预测,并将其与BP神经网络进行对比分析.实验结果表明,支持向量机比BP神经网络预测精确度更高,误差更小,有效提高了舰艇部队作战油料消耗量预测的准确性和可靠性.     

基于支持向量机的福建省GDP预测研究

采用1981～2002年的福建省GDP数据作为支持向量机(SVM)的训练目标,以各期前三年的GDP作为输入向量构成训练样本。首先利用格子搜索法获得支持向量机模型中的参数(C,γ,ε)对样本进行训练。然后用训练所得模型对2003、2004、2005三年的福建省GDP进行测试,平均测试精度达98.12%。可以认为支持向量机具有较强的泛化能力,在宏观经济预测中具有较高的精度,从而可用于未来实际GDP的预测。     

基于支持向量机的泵功图工况识别

支持向量机是基于小样本统计学习理论的分类算法,推广能力强。本文将支持向量机算法应用于泵功图模式识别,首先提取泵功图特征,再使用LibSVM工具箱对特征样本进行训练,建立分类器,并测试其分类能力,实验表明此方法可以应用于泵功图的模式识别。     

基于最小二乘支持向量机的短期负荷预测

支持向量机是一种基于统计学理论的新颖的机器学习方法,该方法被广泛用于解决分类和回归问题。文章将最小二乘支持向量机(LS-SVM)算法应用于电力系统短期负荷预测中,并将其预测结果和BP神经网络的预测结果进行比较分析。仿真实验表明,该方法在短期负荷预测中具有很好的预测速度和精度。     

基于最小二乘支持向量机的短期负荷预测

支持向量机是一种基于统计学理论的新颖的机器学习方法,该方法被广泛用于解决分类和回归问题。文章将最小二乘支持向量机（LS—SVM）算法应用于电力系统短期负荷预测中,并将其预测结果和BP神经网络的预测结果进行比较分析。仿真实验表明,该方法在短期负荷预测中具有很好的预测速度和精度。     

基于SVM的汽轮机回热系统故障诊断

总结了汽轮机回热系统常见故障,建立了回热系统典型故障集。在利用模糊规则建立回热系统故障征兆知识库基础上,提出了一种基于支持向量机多分类算法的回热系统故障诊断方法。最后将该方法用于某汽轮机组回热系统故障诊断中,结果表明,该模型能有效的识别回热系统故障。     

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。     

基于遗传神经网络的机械故障诊断

本文针对BP神经网络存在的不足,将遗传算法和BP神经网络有机结合起来,利用遗传算法的全局搜索能力优化了神经网络的初始权值和阈值,并将其应用于机械故障诊断。结果表明,在MATLAB环境下进行仿真试验,这种方法能够有效进行故障识别、提高故障诊断精度。     

基于支持向量机的鸡蛋供应链中价格预警研究

鸡蛋价格的大幅波动对鸡蛋供应链中生产者、经营者和消费者产生严重的影v向,因此鸡蛋供应链中的价格预警问题亟待研究。支持向量机是一种建立在统计学习理论基础上的机器学习方法,能够较好地解决小样本、非线性和局部极小点等问题。文中基于支持向量机方法建立鸡蛋价格预警模型,运用libsvm软件对样本集进行参数寻优、训练和测试。结果表明模型预警结果与实际情况相符,模型可以帮助鸡蛋供应链中的各主体在采购、生产、仓储、销售等方面更好地决策。     

基于支持向量机的品牌特色专业评价

简述了江苏省教育厅在本科品牌专业、特色专业验收时的验收标准。利用支持向量机建立了品牌专业、特色专业验收时的验收模型。通过实例,结果表明支持向量机比较精确和有效。