共查询到20条相似文献,搜索用时 78 毫秒
1.
2.
根据统计学理论提出一种基于决策树支持向量机的泵站状态识别方法,支持向量机是基于统计学理论发展而来的学习方法,在处理小样本,非线性,高维数的问题上较为出色。泵站系统数据往往维度较高,通过主成分分析将数据压缩降维,利用处理过后的数据对三级支持向量机进行训练结合决策树建立泵站运行状态判别模型,进行泵站稳态运行下的状态识别。实验表明:该方法优点是训练时间短,识别准确度高,具有较强鲁棒性。 相似文献
3.
4.
依据我国湖库富营养化评价标准和支持向量机(SVM)原理及方法,构建基于交叉验证(CV)的CV-SVM湖库营养状态识别模型,采用随机内插的方法在各分级标准阈值间生成训练样本和测试样本,在达到预期识别精度后将模型运用于全国24个湖库营养状态的识别,并与投影寻踪法、评价指标法和神经网络评价法的识别结果进行比较。结果表明:基于线性核函数的CV-SVM模型对于随机生成的训练样本和测试样本的正确识别率分别达到97.8%和97.3%(5次平均),对全国24个湖库营养状态的识别结果与采用投影寻踪法、评价指标法和神经网络评价法的识别结果基本相同,模型具有泛化能力强、识别精度高、收敛速度快、不易陷入局部极值等特点。 相似文献
5.
随着枯水期水资源短缺问题日益突出,人们对枯水径流的研究也越来越重视.运用支持向量机模型对湘江湘潭站年最小7 d平均流量进行预测.为了检测预报效果,将其预报结果与投影寻踪模型、人工神经网络模型的预报结果进行比较,表明支持向量机模型的误差合格率最高,预报精度也最高. 相似文献
6.
7.
支持向量机是建立在统计学理论之上的机器学习技术。提出了混凝土28 d抗压强度预测的一种新方法,即支持向量机回归方法。该方法根据有限的学习样本,建立了各种影响因素和混凝土抗压强度之间的一种非线性映射,可以对混凝土强度进行预测。以实际样本数据进行训练,并对测试样本进行了预测。预测结果表明,支持向量机方法有着良好的泛化能力,优于人工神经网络建模方法。 相似文献
8.
9.
10.
11.
针对供水管网泄漏辨识定位系统,研究了以管网压力、流量参数形成的时间序列数据为基础,应用支持向量机方法建立漏损辨识模型,采用粒子群算法对支持向量机中的c、g参数进行优化,最终通过压力梯度法实现漏点的准确定位。结果表明:所建立模型对管网漏损辨识定位的准确率较高,满足供水管网漏损监测的要求。 相似文献
12.
13.
锚杆锚固强度是评价锚杆锚固质量的主要因素之一,而混凝土中锚杆锚固强度受多因素影响,各因素间也具有复杂的关联。应用支持向量机回归原理,以混凝土龄期、锚杆直径和锚固长度3个因素作为输入列向量构建样本集,选用径向基核函数建立混凝土中锚杆锚固强度的支持向量机回归预测模型。利用30组锚固强度实验数据中2/3的数据作为训练样本,剩余1/3的数据作为预测样本,对锚固强度进行回归预测,将预测结果与试验结果和BP网络计算结果进行对比分析。研究结果表明:此模型预测精度高,具有良好的泛化能力,预测结果具有可信性,将SVM方法运用于混凝土中锚杆锚固强度的预测是合理有效的,为锚固强度的预测提供了一条新的途径。 相似文献
14.
介绍SVM方法的基本原理及特性,建立基于SVM方法的小流域泥石流输沙量预测模型,用复相关分析法确定了影响流域输沙的3个主要因子:过程降雨量,前期降雨量,泥石流历时。对12组实测资料进行训练,训练值与实测值吻合较好;用训练好的模型对5组实测资料进行预测,预测效果优于神经网络模型。理论分析和实例验证均表明SVM方法可以获得整体最优效果。 相似文献
15.
基于支持向量机的重要抽样方法 总被引:1,自引:0,他引:1
在结构可靠度分析中,对于非线性的隐式极限状态方程,与一次二阶矩方法相结合的传统响应面方法一般并不适用。支持向量机算法较好地解决了小样本的统计学习问题,为解决有限样本情况下结构极限状态功能函数的重构提供了有力的理论基础。基于回归支持向量机方法,采用有限的经验点重构结构极限状态方程,结合重要抽样方法计算非线性的隐式极限状态方程结构的可靠度。该方法相对传统响应面方法在结构计算工作不增加的条件下,可以获得高精度的解,能较有效地解决非线性的隐式极限状态方程的结构可靠分析问题。 相似文献
16.
针对短期负荷预测支持向量机(SVM)方法的局部逼近能力和泛化能力进行研究,将多分辨率支持向量机(M-SVM)用于短期负荷预测中节点负荷预测曲线的回归估计。该理论在保持曲线总体逼近能力的同时提高了局部区域的逼近能力。文中根据短期负荷预测的具体特点,设计了负荷预测数学模型,采用96条回归曲线进行日负荷的曲线预测,并在该模型的基础上采用实际数据进行验证,分析了这种回归模型的泛化能力。实验结果表明M-SVM模型在预测精度和预测速度方面具有优良的特性。 相似文献
17.
18.
牛景太 《水利水电科技进展》2020,40(6):60-65
针对混凝土坝自动化变形监测数据存在噪声成分,且变形与环境影响因素间呈现出复杂的非线性关系等问题,提出了基于奇异谱分析(SSA)与粒子群算法(PSO)优化支持向量机(SVM)的混凝土坝变形监控模型。模型利用SSA对实测变形进行分解,提取其蕴含的趋势与周期性成分并对变形加以重构;在此基础上,采用基于PSO优化的SVM对重构变形与环境影响因素间复杂的非线性函数关系进行挖掘。实例验证结果表明,该模型具有较好的拟合与预测精度,可以有效地挖掘实测变形蕴含的数据特征,减小噪声成分对建模精度的影响,具有一定的工程应用价值。 相似文献
19.
20.
The present study proposes a support vector machine (SVM)-based habitat model linked with evolutionary optimisation to balance the impacts of generating hydropower on the downstream river habitats. This method was applied in the Rajaei reservoir and Tajan River basin in Iran to mitigate the environmental impacts of hydropower plants. SVM model classified the habitat suitability at downstream river in which a sigmoid function considering different slopes was applied. The Nash–Sutcliffe efficiency coefficient as the evaluation index of the habitat model is 0.8, which implies the SVM model is robust to simulate physical habitats. Hydraulic simulation demonstrated that depth and velocity change from zero to 1.79 m and zero to 1.82 m/s, respectively. Most suitable river flow is 7 m3/s downstream of Rajaei reservoir. Five evolutionary algorithms were used to balance environmental impacts with generating hydropower. Finally, a fuzzy technique for order of preference by similarity to ideal solution (FTOPSIS) selected the best optimal solution in the Rajaei reservoir. Based on optimisation results, The simulated annealing (SA) algorithm was the best optimisation method to balance generating hydropower and downstream ecological impacts, in which average habitat suitability is more than 90% of average habitat suitability in the natural flow, while reliability of generating hydropower is 38%. Moreover, SA is able to minimise the average difference between habitat suitability in the optimal release and the natural flow properly. Using the proposed method is recommendable to mitigate the potential impacts of generating hydropower on the downstream river habitats. 相似文献