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。     

遗黼小二乘支持向量机的多因素房价预测研究——以深圳市为例

文章以城镇化发展为前提,从房屋需求视角建立了房价预测指标体系,运用遗传算法和最小二乘支持向量机研究以深圳市为例的多因素房价预测模型,通过各因素对住宅、办公楼及商业用房房价的量化影响分析得到几个重要结论：（1）深圳市商业用房存在较大的投机性;（2）深圳居民目前的租房需求远远大于购房需求,政府可适当增加政策性建房满足需求,或增加投机购房成本,平衡深圳市过高的房价;（3）城镇化的发展过程对房价变化有重要的影响,特别是商品房房价对城镇化过程中人才需求和人才比例非常敏感。     

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。     

基于贝叶斯理论的小波变换支持向量机负荷预测模型

用贝叶斯证据框架理论改进小波变换最小二乘支持向量机混合预测法。应用贝叶斯证据框架实现各尺度预测模型的超参数、核参数以及输入变量的自适应选择。该方法在提高预测精度的同时,大大增强了其混合模型的适应性。     

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。     

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.     

基于支持向量机的变压器故障诊断

针对油浸式电力变压器在不同工作状态时,变压器油中溶解气体的类型和含量的不同,通过检测变压器油中的不同气体的类型和含量就成了判别变压器工作状态的重要方法。本文基于支持向量机(SVM)模型,利用支持向量机对于非线性问题的优良解决方法,给出了一种判别变压器工作方式的方法,经测试,判别正确率高达96.8%,满足对于变压器故障判别的精度要求。     

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。     

基于支持向量机的工程项目投资风险评价研究

提出一种工程项目投资风险评价的新方法—支持向量机评价法,由于支持向量机对样本数量的依赖性弱,通过学习有限的样本而建立的模型仍具有很强的泛化能力,具有比神经网络更好推广性能,因此在项目风险评价方面必然比神经网络具有更大的优势。实例研究也表明支持向量机方法更适合于投资项目风险评价的研究。     

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。