您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 基于一种新的分解_集成模型的我国猪肉年度需求量预测研究

  2. 该文采用小波分解、eemd分解对时间序列进行分解,并采用lssvm进行预测,最后进行集成。
  3. 所属分类:教育

  1. 最小二乘支持向量机LSSVM

  2. 介绍了作为支持向量机(SVM)理论基础的统计学习理论和SVM的原理,推导了SVM回归模型;本文采用最小二乘支持向量机(LSSVM)模型,根据浙江台州某地区的历史负荷数据和气象数据,分析影响预测的各种因素,总结了负荷变化的规律性,对历史负荷数据中的“异常数据”进行修正,对负荷预测中要考虑的相关因素进行了归一化处理。LSSVM中的两个参数对模型有很大影响,而目前依然是基于经验的办法解决。对此,本文采用粒子群优化算法对模型参数进行寻优,以测试集误差作为判决依据,实现模型参数的优化选择,使得预测精度有
  3. 所属分类:其它

    • 发布日期:2015-11-15
    • 文件大小:334848
    • 提供者:xukeleixkl
  1. SVM_Short-term-Load-Forecasting基于支持向量机的短期电力负荷预测

  2. 优秀论文及配套源码。首先阐述了负荷预测的应用研究现状,概括了负荷预测的特点及其影响因素,归纳了短期负荷预测的常用方法,并分析了各种方法的优劣;接着介绍了作为支持向量机(SVM)理论基础的统计学习理论和SVM的原理,推导了SVM回归模型;本文采用最小二乘支持向量机(LSSVM)模型,根据浙江台州某地区的历史负荷数据和气象数据,分析影响预测的各种因素,总结了负荷变化的规律性,对历史负荷数据中的“异常数据”进行修正,对负荷预测中要考虑的相关因素进行了归一化处理。LSSVM中的两个参数对模型有很大影响
  3. 所属分类:机器学习

    • 发布日期:2017-06-20
    • 文件大小:334848
    • 提供者:oxinsuan
  1. 用于fCao预测的LSSVM模型建立

  2. 很好的资料关于LSSVM模型的建立以及在fCao中的应用,是很好的借鉴
  3. 所属分类:机器学习

    • 发布日期:2018-03-17
    • 文件大小:911360
    • 提供者:qq_31752961
  1. 基于改进的PSO与LSSVM的瓦斯涌出量预测

  2. 瓦斯涌出量受多种自然因素和开发技术的影响,是一个非线性、高维的问题。为了更好的解决该问题,又基于目前支持向量机参数选择的重要性,提出了改进的PSO算法与LSSVM算法相结合的新方法,并将其应用于瓦斯涌出量预测,结果表明,该模型可有效避免神经网络收敛速度慢、SVM中PSO选择参数早熟或停滞等缺点,预测精度更高,泛化能力更强,更适用于瓦斯涌出量预测。
  3. 所属分类:其它

    • 发布日期:2020-05-15
    • 文件大小:183296
    • 提供者:weixin_38664989
  1. 矿用动力电池荷电状态预测

  2. 针对最小二乘支持向量机(LSSVM)用于预测矿用动力电池荷电状态(SOC)时正则化参数和核函数参数难以优化选择,灰狼优化(GWO)算法在单独求解约束优化问题时出现早熟、稳定性差、易陷入局部最优等问题,在差分进化灰狼优化(DE-GWO)算法的基础上,采用指数函数形式的非线性收敛因子对DEGWO算法进行改进。该非线性收敛因子在迭代过程前段衰减速率低,能更好地寻找全局最优解,在迭代过程后段衰减速率高,能更精确地寻找局部最优解,有效平衡全局搜索能力和局部搜索能力。实验结果表明,利用改进DE-GWO算法优
  3. 所属分类:其它

    • 发布日期:2020-05-08
    • 文件大小:1048576
    • 提供者:weixin_38668335
  1. 基于改进DE-LSSVM模型的边坡变形预测

  2. 针对目前最小二乘支持向量机(LSSVM)在预测算法中存在的不足,通过改变差分演化算法(DE)中的缩放因子个数、杂交概率的个数和变异策略来建立改进DE-LSSVM预测模型,利用某矿山的边坡观测数据。结果表明,基于改进DE-LSSVM预测模型有较优的预测能力。
  3. 所属分类:其它

    • 发布日期:2020-04-24
    • 文件大小:186368
    • 提供者:weixin_38553648
  1. 煤矿综采工作面瓦斯浓度预测模型

  2. 针对基于最小二乘支持向量机(LS-SVM)的瓦斯浓度预测方法进行参数优化时存在的易陷入局部最优解、搜索效率较低、易产生早熟收敛等问题,提出了一种基于改进蚁群算法-最小二乘支持向量机(ACO-LSSVM)的瓦斯浓度预测模型。首先,对采集的大量煤矿综采工作面瓦斯数据进行k-means聚类分析,以降低数据维数;然后,采用改进蚁群算法对LS-SVM的惩罚参数和核函数参数进行寻优,再代入LS-SVM模型中进行回归预测。仿真结果表明,当瓦斯体积分数绝对误差阈值分别为0.03%,0.04%,0.05%时,基于
  3. 所属分类:其它

    • 发布日期:2020-04-18
    • 文件大小:912384
    • 提供者:weixin_38699830
  1. 基于样本熵和极端学习机的超短期风电功率组合预测模型_张学清 (1).pdf

  2. 该文提出一种经验模态分解(empirical modedecomposition,EMD)–样本熵(sample entropy,SE)和极端学习机(extreme learning machine,ELM)相结合的风电功率超短期预测方法。该方法首先利用EMD-SE 将风电功率时间序列分解为一系列复杂度差异明显的风电子序列;其次利用最小二乘支持向量机(least squares support vector machine,LSSVM) 、极端学习机和经原始岭回归(primal ridge re
  3. 所属分类:讲义

    • 发布日期:2020-02-14
    • 文件大小:381952
    • 提供者:SparkQiang
  1. IAPSO-LSSVM下的煤炭开采成本预测模型

  2. 为提高最小二乘支持向量机(LSSVM)预测模型的精度,准确预测煤炭开采成本.利用改进的自适应粒子群算法(IAPSO)的全局搜索能力,寻找LSSVM最优的惩罚因子r和高斯核函数的半径σ,提出一种IAPSO-LSSVM预测算法.在分析影响煤炭开采成本的空间因素、时间因素和定性因素的基础上,构建基于IAPSO-LSSVM的煤炭开采成本预测模型,并以TF煤业集团数据进行仿真实验.结果表明:与LSSVM、PSO-LSSVM算法相比,该模型预测效果更好.
  3. 所属分类:其它

    • 发布日期:2020-05-27
    • 文件大小:960512
    • 提供者:weixin_38630697
  1. 基于LSSVM优化的Kriging方法预测煤厚变化研究

  2. 针对普通Kriging插值方法中变差函数模型参数求解难、模型选择具有主观性、并不一定能选出最优变差函数模型的局限性,将最小二乘支持向量机与Kriging方法结合起来,利用最小二乘支持向量机较强的非线性回归能力从实际数据中重构变差函数。为了评价该方法的插值精度,将它和传统普通Kriging插值方法相比较,并利用研究区实际煤层厚度数据进行了验证。
  3. 所属分类:其它

    • 发布日期:2020-06-01
    • 文件大小:654336
    • 提供者:weixin_38741195
  1. 大型离心式通风机性能预测方法

  2. 针对现有离心式通风机性能预测方法不能充分利用离心式通风机历史运行数据、建模周期长等问题,提出了基于最小二乘支持向量机(LSSVM)与拉丁超立方采样(LHS)的大型离心式通风机性能预测方法。选取出口压力作为衡量通风机性能的指标,利用LSSVM建立离心式通风机性能预测模型;通过LHS方法采集离心式通风机的入口温度、入口压力、入口流量和转速,将采集的数据进行归一化处理后用于LSSVM模型的训练;通过测试数据验证所建立模型的有效性。仿真结果表明,基于LSSVM与LHS的大型离心式通风机性能预测方法能够充
  3. 所属分类:其它

    • 发布日期:2020-05-31
    • 文件大小:582656
    • 提供者:weixin_38629449
  1. 基于PSO-LSSVM的浓缩池溢流水浓度预测

  2. 目前针对溢流水浊度测量时存在的设备昂贵、可靠性差以及寿命短等问题,对浓缩池煤泥水处理过程带来的不利影响,提出了一种基于PSO-LSSVM的溢流水快速可靠的预测方法。根据现场获得的数据组建溢流水浊度数据库,并将其分为训练集与测试集,构建预测模型,并以粒子群算法(PSO)优化最小二乘支持向量机(LS-SVM)模型中的相关参数。经仿真验证,预测值精度可以达到92.38%,表明基于PSO-LSSVM的浓缩池溢流水浓度预测模型可以较好地实现溢流浊度的预测。
  3. 所属分类:其它

    • 发布日期:2020-05-31
    • 文件大小:1048576
    • 提供者:weixin_38662327
  1. 煤与瓦斯突出强度的IGA-LSSVM预测模型

  2. 针对煤矿开采中煤与瓦斯突出强度的预测问题,利用免疫遗传算法和最小二乘支持向量机相结合的方法,选取最大主应力、瓦斯压力、瓦斯含量、顶板岩性、距断裂距离、煤层厚度、开采垂直深度、绝对瓦斯涌出量、相对瓦斯涌出量等9个主要影响因素.对相关程度较高的因素进行因子分析,提取公共因子作为IGA-LSSVM模型的输入,建立基于因子分析和IGA-LSSVM的煤与瓦斯突出强度的预测模型.利用实测的14组数据作为学习样本,训练预测模型.另外5组数据作为测试样本,使用所得模型进行预测.研究结果表明:经过免疫遗传算法优化
  3. 所属分类:其它

    • 发布日期:2020-05-29
    • 文件大小:671744
    • 提供者:weixin_38723236
  1. 一种改进的LSSVM支持向量预选取算法

  2. 解的稀疏性的丧失——所有的训练样本均作为支持向量,是最小二乘支持向量机的缺点之一,针对导致模型复杂度提高和模型训练、识别速度降低的问题,从数据挖掘和支持向量的几何分布含义两个方面出发,提出了一种新的支持向量预选取算法。一方面对原数据集的每类数据分别进行K均值聚类,将所有的类中心作为原始数据的表征集;另一方面对原数据集用K最近邻方法提取原数据集的边界样本;最后将这两种方法提取的所有样本点的并集作为预选支持向量进行训练和预测。UCI数据库的实验表明:该方法充分融合了K均值和K最近邻预选取算法的优点,
  3. 所属分类:其它

    • 发布日期:2020-06-20
    • 文件大小:537600
    • 提供者:weixin_38683195
  1. 爆破振动对边坡稳定性影响的FA-IGA-LSSVM模型

  2. 为对矿山开采爆破过程中边坡的稳定性进行预测,将因子分析、免疫算法及最小二乘支持向量机相结合,共提取爆破振幅、主频率、主频率持续时间、岩石重度、粘聚力、边坡角、边坡高度7个影响指标.通过因子分析对样本数据进行降维,提取出一个公共因子.利用实际测量的29组样本数据对模型进行训练,构建基于因子分析和IGA-LSSVM的边坡稳定性预测模型;采用回代估计法对模型进行检验,误判率为3/29.使用其他5组样本检验模型的泛化能力,同时与基本最小二乘支持向量机进行对比,结果表明:所得模型的预测精度高于基本最小二乘
  3. 所属分类:其它

    • 发布日期:2020-06-28
    • 文件大小:645120
    • 提供者:weixin_38674223
  1. 大坝变形多尺度分析ELMD-LSSVM预测模型

  2. 针对局部均值分解LMD实现过程中存在的模式混淆现象,利用局部均值分解的原理,提出一种结合总体局部均值分解(ELMD)与最小二乘支持向量机(LSSVM)方法的多尺度大坝变形预测模型.利用ELMD方法对大坝变形序列进行分解,得到其PF分量,利用最小二乘支持向量机进行外推预测,再把各PF分量的预测结果进行叠加重构,得到大坝变形预测值.通过实例验证分析,比较多元回归分析、LSSVM和ELMD-LSSVM三种模型在大坝变形监测数据处理中的拟合和预测结果.研究结果表明:ELMD-LSSVM方法能够减弱模态混
  3. 所属分类:其它

    • 发布日期:2020-06-28
    • 文件大小:1048576
    • 提供者:weixin_38718415
  1. 煤体瓦斯渗透率的PSO-LSSVM预测模型

  2. 结合有关煤体渗透率的众多研究成果,总结出影响煤体渗透率的3个主要因素为有效应力、温度和瓦斯压力。采用粒子群优化算法(PSO)对最小二乘支持向量机(LSSVM)的参数进行优化选择,并以上述3个因素和抗压强度为输入值,以渗透率为目标输出值,建立煤体瓦斯渗透率的PSO-LSSVM预测模型。利用25组数据进行PSO-LSSVM模型与BP神经网络及支持向量机的比较实验,PSO-LSSVM预测结果与实际值拟合程度优于其他两个模型,且具有更小的误差。实验结果表明,采用PSO-LSSVM模型可由有效应力、温度和
  3. 所属分类:其它

    • 发布日期:2020-07-14
    • 文件大小:509952
    • 提供者:weixin_38611812
  1. 基于KPCA-LSSVM的硅锰合金熔炼过程炉渣碱度预测研究

  2. 针对硅锰合金熔炼过程中炉渣碱度在线检测困难、离线化验滞后大,难以实现实时控制的问题,提出了一种基于核主元分析(KPCA)与最小二乘支持向量机(LSSVM)相结合的预测方法.该方法通过KPCA去除样本数据的噪声,提取输入数据空间中的非线性主元,然后利用LSSVM回归算法建立硅锰合金熔炼炉炉渣碱度预测模型,工业生产过程数据仿真结果表明,与SVM或LSSVM建模方法相比,KPCA-LSSVM预测模型的测量精度高、跟踪性能好,能满足炉渣碱度的在线测量要求.
  3. 所属分类:其它

    • 发布日期:2021-02-23
    • 文件大小:521216
    • 提供者:weixin_38706782
  1. 一种基于图像特征提取的浮选回收率预测算法

  2. 针对矿物浮选过程中的一类回收率预测问题,提出了一种基于泡沫图像特征提取的预测算法。该算法采用最小二乘支持向量机(LSSVM)建立预测模型,通过施密特正交化对核矩阵进行简约,利用核偏最小二乘方法(KPLS)进行LSSVM参数辨识,以此构造具有稀疏性的LSSVM,有效地减小了算法的计算复杂度。为检验模型泛化及预测能力,为多个泡沫特征信息引入预测模型,采用泡沫图像特征提取方法提取泡沫颜色、速度、尺寸、承载量及破碎率特征。实验结果表明,该预测算法对浮选回收率具有良好预测效果。
  3. 所属分类:其它

    • 发布日期:2021-02-23
    • 文件大小:466944
    • 提供者:weixin_38638292
« 12 »