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。     

基于时间序列的支持向量机在物流预测中的应用

由于物流预测是不确定的、非线性的、动态开放性的复杂大系统，传统方法往往难以准确地描述这种复杂的非线性特征，因而无法准确进行物流预测，本文提出了基于一种基于时间序列的支持向量机(SVM)的物流预测方法。将该方法用于实际物流系统的公路运输量预测中，和真实值比较说明所提出的物流预测方法是可行和有效的。     

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。     

基于支持向量机回归算法的航空公司客流量预测研究

在航空公司运营管理过程中,航空客流量预测是其航班计划和机队规划的重要依据。本文介绍了航空客流量预测中常用的几种预测方法,并对他们的特点进行了分析比较;阐述了支持向量机的理论基础和原理,给出了支持向量机的回归模型,并重点探讨了预测模型中核函数的选择方法;在选择适当的参数和核函数的基础上,对航空客流量进行预测,并与BPANN和线性回归算法这两种预测方法进行对比,证明支持向量机回归算法能获得训练最小的相对误差,是相对有效的一种航空客流量预测方法。     

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。     

基于支持向量机的公路大中修养护费用预测

本文采用小样本最佳通用学习方法,即最小二乘支持向量机进行费用预测。分析了算法的基本原理,构建了普通公路大中修养护费用的特征指标体系与费用预测模型,借助MATLAB编制了求解程序,得到了大中修养护费用预测值,并与一般预测方法得到的结果相比较,说明了算法的优越性。利用该算法能够有效提高预测的精度,因此能够为实际制定养护费用计划提供参考。     

基于灰色支持矢量机的金属构件寿命预测

基于灰色系统和支持矢量机理论,建立了基于计算机软件预测金属构件剩余寿命的灰色支持矢量机模型,并应用此模型预测了某大型设备连接件的模拟试件剩余寿命,得到了较高精度的预测结果,为小样本情况下金属构件的疲劳寿命在线预测提供了一种简单、可靠和实用的新方法：同时也为大型结构件的寿命预测提供了可靠的基础。     

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。     

基于支持向量机的公路货运量预测方法研究

首先分析了公路货运量预测的重要性,介绍了国内外丰要预测方法.归纳总结了支持向量机的核心思想和基本原理,利用此较新的理论建立了公路货运量预测模型,给出了构建模型的具体分析步骤.同时探讨了参数的标定和修正过程.利用北京市基础数据,建立北京市公路货运量预测的支持向量机模型,并应用LibSVM软件进行预测,预测结果验证了模型的有效性和可行性,表明方法可以推广并可实际应用.     

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。     

基于支持向量机的公路货运量预测方法研究

首先分析了公路货运量预测的重要性,介绍了国内外主要预测方法。归纳总结了支持向量机的核心思想和基本原理,利用此较新的理论建立了公路货运量预测模型,给出了构建模型的具体分析步骤,同时探讨了参数的标定和修正过程。利用北京市基础数据,建立北京市公路货运量预测的支持向量机模型,并应用LibSVM软件进行预测,预测结果验证了模型的有效性和可行性,表明方法可以推广并可实际应用。     

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。     

基于支持向量机的非线性系统多步预测控制

以支持向量机实现的递推多步预测输出值为基础,将系统的实际多步预测输出值按泰勒公式展开,实现对预测输出值的二次逼近。通过对目标函数极小化,求得相应的多步预测控制值。在辨识与迭代预测时,采用最小二乘支持向量机。分析了闭环系统的稳定性,仿真实验表明该方法实现简单,具有很好的快速性和稳定性。     

基于支持向量回归机的物流需求预测模型研究

通过介绍物流需求和支持向量机的基础理论,利用经济与物流需求之间的关系,提出了基于支持向量回归机的物流需求预测模型,给出了构建模型的具体分析步骤,并通过实例详细阐述了模型的应用过程,预测结果验证了模型的可行性和有效性。     

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。     

基于支持向量机的轮胎中PU综合性能的预测应用

为了更好聚氨酯(PU)绿色轮胎原料的批量投产和产业化过程中进行实时的产品质量预测与控制打下了良好的基础。本文利用支持向量机对PU弹性体制备过程中的综合性能指标建立预测模型,同时获得较好的预测精度。     

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.     

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.