基于形态学特征及支持向量机的水电机组轴系故障识别

为解决水电机组主轴运行期间的潜在故障,提出了多重分形谱、粒子群寻优和支持向量机对主轴图像数据多维度故障识别的方法;实现机组轴系运行中的摆度波形形态学特性提取,获得多重分形谱数据;采用粒子群寻优算法从海量样本中寻优获得异常故障特征形成故障特征集,由支持向量机分类方法对故障特征集进行分类识别,有效识别图形数据堆积过程中故障样本分类,实现轴系故障识别,以便确定相应的解决措施。     

基于支持向量机决策树的泵站稳态工况运行下状态识别

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。     

基于支持向量机的土石坝安全监测预报模型研究

简要介绍了支持向量机的基本原理,在对建模因子进行分析的基础上,提出了基于支持向量回归（SVR）算法的土石坝安全监测预报模型。实例分析表明,该模型与传统的多元线性回归模型和逐步回归模型相比,具有预测精度高、泛化能力强等优点,对土石坝安全监控具有实用价值。     

支持向量机在湖库营养状态识别中的应用

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。     

基于支持向量机模型的湘江枯水预报研究

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.     

基于支持向量机的防洪脆弱性评价模型研究

针对防洪风险因风险主体而异的特点,提出了防洪脆弱性的定义,选取影响临灾破坏程度的因子建立了评价指标体系,以所选指标的自然断裂法分级作为训练样本,建立了基于支持向量机的评价模型。应用实例的评价结果符合北江下游的防洪态势,说明了该模型方法的可行性、合理性和有效性。与传统的计点系统模型相比,支持向量机模型的评价结果更接近实际情况。     

基于支持向量机的混凝土强度预测

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。     

基于支持向量机的水资源评价方法研究

水资源丰富度是刻画水资源承载能力的核心指标,对该地区的水资源规划各项决策起关键指导作用。文章针对水资源丰富度的评价问题,引入支持向量机这一先进工具,综合资源经济和环境等多方面的因素,通过输入输出样本,自动确定出样本水资源承载能力的评价等级,提高对样本等级评价的客观可信度。并以辽西流域为例,对该流域水资源承载能力进行评价,从而为水资源可持续开发决策提供了新的依据。     

基于支持向量机理论的土壤水分预测模型研究

土壤水分含量是影响作物生长和农田水土环境的一个重要指标,土壤水分预测对农业生产中水分的合理利用与管理具有重要意义.应用支持向量机理论,采用土壤水分含量影响较大的降雨量、蒸发量、相对湿度和地下水埋深作为模型输入因子,土壤水分含量为输出因子,建立了土壤水分预测模型,并与灰色理论水分预测模型进行了对比.结果表明:支持向量机模型预测土壤含水量的最大误差为5.83%,平均误差为2.44%,预测结果优于灰色预测理论,模型的预测精度为0.957.     

基于支持向量机的溃坝生命损失评估模型及应用

针对溃坝生命损失历史资料缺乏且影响因素复杂的特点,鉴于支持向量机算法的诸多优势,建立了基于支持向量机的溃坝生命损失评估模型.将溃坝生命损失定义为风险人口与生命损失率的乘积,分析了生命损失的评估指标,建立了综合评估体系.根据我国已溃决大坝的历史资料,构建了学习样本.留一法交互校验结果表明,该评估方法具有一定的精度.     

基于SVM的机场供水管网泄漏辨识定位系统研究

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。     

基于GIS和支持向量机的土石坝溃决损失评估模型

针对土石坝溃决损失评估涉及众多地理空间对象且影响因素多而复杂的特点,基于GIS空间信息格网模型与支持向量机建立了土石坝溃决损失评估模型.利用GIS空间信息格网模型组织和管理大量空间信息数据,应用支持向量机评估溃坝生命损失率.以评估模型为基础,构建了土石坝溃决损失评估系统.实例应用研究表明,利用该系统可实现土石坝溃决损失快速评估,精度较高,效果较好.可为土石坝风险管理以及防灾减灾、救援决策提供参考.     

混凝土中锚杆锚固强度的SVM回归模型

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。     

基于SVM方法的小流域泥石流输沙量预测

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。     

基于支持向量机的重要抽样方法

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。     

基于多分辨率SVM回归估计的短期负荷预测

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。     

基于GIS与支持向量机的溃坝损失评估

 针对溃坝损失评估涉及众多地理空间对象且影响因素多而复杂的特点,提出了GIS支持下基于支持向量机的溃坝损失评估方法。分析了溃坝损失的计算方法及其影响因素,通过灰色关联度模型建立了评估指标体系。详细探讨了GIS与支持向量机模型相结合进行溃坝损失评估的方法与实现过程。应用表明,该评估方法精度较高,效果较好。     

基于奇异谱分析与PSO优化SVM的混凝土坝变形监控模型

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。     

基于支持向量机的水资源短缺风险评价模型及应用

本文阐述了支持向量回归机的算法原理，将风险评价归纳为一个支持向量回归问题，建立了基于支持向量机的水资源短缺风险评价模型和方法。采用风险率、脆弱性、可恢复性、事故周期和风险度等作为区域水资源短缺风险程度的评价指标，建立了综合评价体系。本方法应用于闽东南地区的水资源短缺风险评价，评价结果显示：到2010水平年，闽东南地区的水资源短缺风险较高，需要采取风险调控措施。     

Linking SVM based habitat model and evolutionary optimisation for managing environmental impacts of hydropower plants

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.