基于支持向量机的集团信用风险预警研究

针对我国现有信用风险预警模型普遍以单一企业为样本,无法反映集团信用风险状况的问题,采用支持向量机算法,建立了企业集团信用风险预警指标体系,利用全国大额贷款和授信企业集团客户样本数据进行训练,提出了基于支持向量机的集团信用风险预警模型。理论分析及预警数值试验结果表明：基于支持向量机的集团信用风险预警模型与传统的基于逻辑回归算法预警模型相比,具有更好的泛化能力;在相同预警敏感水平下,采用前者预警的假负率为16．67％,与后者的23．45％相比具有更高的预警精度。基于支持向量机的集团信用风险预警模型可较好的应用于企业集团信用风险预警领域中。     

基于支持向量回归机的粮食产量预测研究

支持向量机(Support Vector Machines,SVM)是一种具有坚实理论基础的新颖小样本学习方法。采用支持向量机回归(Support Vector Machine Regression,SVR)算法,用libsvm-2.89软件包对我国近年来的粮食产量进行回归预测,选择交叉验证法进行参数寻优,建立粮食产量和其影响因素的支持向量机回归模型。粮食产量预测平均相对百分误差为1.209%,均方根误差为581.191,相关系数为0.962 24。将预测结果与指数平滑模型、生产函数模型及多元线性回归模型进行了比较,用平均绝对百分误差、希尔不等系数及均方根误差对4种模型预测结果进行评价。结果表明,基于支持向量机的径向基核函数(RBF)模型预测粮食产量的精度优于其他预测方法。     

局部支持向量回归在小麦蚜虫预测中的研究与应用

针对小麦蚜虫预测预警准确率不高的问题,本文提出了一种基于局部支持向量回归的小麦蚜虫短期预测算法。首先用相关分析法进行特征选择,然后进行归一化处理,最后使用局部支持向量回归进行小麦蚜虫百株蚜量短期预测模型的构建,并对未知样本进行预测。利用1990~2013年山东省烟台地区的小麦蚜虫数据及气象数据进行实验,并与标准的支持向量回归进行对比试验。局部支持向量回归的预测以及回代的均方误差为196362和198780,准确率为82.69%和91.03%;支持向量回归的预测以及回代的均方误差为199366和213108,准确率为80.77%和91.03%。实验结果表明,对于小麦蚜虫的短期预测,局部支持向量回归在准确率和推广能力上均明显优于支持向量回归。     

基于ε-支持向量回归机的小菜蛾预警模型

基于ε-支持向量回归机算法建立了小菜蛾在多发季节的预测模型,通过对广东省蔬菜小菜蛾试验数据进行分析,结果表明,在选择惩罚因子c为43、核函数参数κ为0.2的情况下,ε-支持向量回归机预警模型取得了较好的预测结果。     

基于支持向量机的土地利用预警研究

支持向量机是建立在统计学习理论基础上的一种新的学习方法,其引入核函数思想,将非线性问题转化为线性问题来解决,其非线性回归预测性能优越于传统统计方法。针对土地可持续利用与土地利用预警指标之间复杂的非线性关系,提出基于支持向量机的土地利用预警方法,对土地利用预警系统的内涵、原理和指标体系,以及建立土地利用预警体系等问题进行了研究。     

基于小波分解的日径流支持向量机回归预测模型

【目的】将小波变换与支持向量机结合,构建小波支持向量机回归模型(WSVR),并用其对日径流进行预测,为水库调度提供参考依据。【方法】利用径流时间序列中包含的大量信息,通过小波变换将径流时间序列分解成不同分辨率水平的子序列和近似序列,通过相关性分析选取有效子序列与近似序列相加得到的新序列作为支持向量机回归模型的输入,建立小波支持向量机回归耦合模型,以泾河流域张家山站的日径流为研究对象,利用均方根误差(RMSE)、平均绝对误差(MAE)、确定性系数(DC)、相关系数(R)及相对误差(RE)作为评价指标对模型预测精度进行评价。【结果】利用所建立的小波日径流支持向量机模型对张家山站日径流的预测结果显示,该模型在检验阶段的RMSE、MAE、DC、R及RE分别为26.05m3/s,8.26m3/s,0.826,0.910,-13.3%,与仅使用支持向量机回归模型(SVR)相比,耦合模型预测精度明显提高,且非汛期预测效果优于汛期。【结论】建立了小波支持向量机回归耦合模型,该模型可有效模拟和预测日径流,为日径流预测提供了新的途径。     

基于局域支持向量机的旱涝预测

降水量的变化受到许多因素影响,其动态特征呈现复杂的非线性,使得预测难度较大。为了提高降水量预测精度,提出了一种基于局域支持向量机的降水量预测方法,对月降水量时间序列进行参数提取,构造相空间,使用支持向量回归模型代替局域线性模型,使用邻近点训练该局域支持向量回归模型。仿真结果表明,该方法预测精度高,在旱涝预测方面有较好的应用前景。     

基于支持向量回归的鱼粉TVB-N值电子鼻检测

挥发性盐基氮(TVB-N)是衡量鱼粉新鲜度一个十分重要的指标,探索鱼粉TVB-N快速检测方法对鱼粉品质检测具有重要意义。利用研制的电子鼻对不同新鲜度的鱼粉样本进行电子鼻数据采集,建立了电子鼻数据和TVB-N值之间的支持向量回归模型(SVR),利用预测集进行验证,并与多元线性回归(MLR)方法进行比较。结果表明,支持向量回归模型预测精度优于MLR模型,其决定系数R2、预测标准差SEP、最大相对误差RE-max、平均相对误差RE-mean分别为0.910、4.32、8.92%、1.87%。支持向量回归和电子鼻技术检测鱼粉TVB-N含量是可行、有效的方法。     

阴离子表面活性剂的临界胶束浓度的支持向量回归研究

应用支持向量回归(Support vector regression,SVR)方法,结合粒子群参数寻优(Particle swarm optimization,PSO)技术,对分子结构参数与分子性能之间的关系进行研究来预测阴离子表面活性剂的临界胶束浓度.并与基于人工神经网络模型的预测结果进行了比较.结果表明:对于相同的训练样本和检验样本,支持向量回归比BPNN模型有更高的预测精度.     

基于品质指标预测北京烤鸭的中心温度

【目的】解决烤鸭传统挂炉烤制过程中中心温度难以在线精确监测的问题。【方法】通过测定烤鸭的品质指标,利用多元线性回归、偏最小二乘回归、支持向量回归、人工神经网络等方法对北京烤鸭中心温度进行在线客观预测。【结果】烤鸭胸肉的L~*、a~*、b~*、脱氧肌红蛋白、氧合肌红蛋白、高铁肌红蛋白、水分含量、脂肪含量、蛋白二级结构等指标均可用于有效识别北京烤鸭的中心温度;线性模型多元线性回归和偏最小二乘回归的预测集决定系数R_C~2分别为0.9543和0.9384,均方根误差SEC分别为5.8205℃和6.7634℃,MLR模型预测效果优于偏最小二乘回归模型;非线性模型支持向量回归优于人工神经网络模型,其预测集决定系数R_C~2和交叉验证决定系数R_(CV)~2分别为0.9837和0.9496,均方根误差SEC和交叉验证均方根误差SECV分别为3.5215℃和6.1236℃,北京烤鸭中心温度预测模型构建以支持向量回归模型效果最好;支持向量回归验证集的决定系数R_V~2较高,达到0.9748,均方根误差SEV为5.5204℃,结合建模结果得出支持向量回归模型预测挂炉烤制北京烤鸭的中心温度效果最佳。【结论】北京烤鸭胸肉的色度、肌红蛋白、水分含量、脂肪含量、蛋白二级结构等可有效识别北京烤鸭的中心温度;基于品质指标的SVR模型可准确预测烤鸭的中心温度。     

Support Vector Machines (SVM)-Markov Chain Prediction Model of Mining Water Inflow

This study was conducted to establish a Support Vector Machines (SVM)-Markov Chain prediction model for prediction of mining water inflow. According to the raw data sequence, the Support Vector Machines (SVM) model was built, and then revised by means of a Markov state change probability matrix. Through dividing the state and analyzing absolute errors and relative errors and other indexes of the measured value and the fitted value of SVM, the prediction results were improved. Finally, the model was used to calculate relative errors. Through predicting and analyzing mining water inflow, the prediction results of the model were satisfactory. The results of this study enlarge the application scope of the Support Vector Machines (SVM) prediction model and provide a new method for scientific forecasting water inflow in coal mining.     

基于支持向量机的我国水产品出口贸易风险预警研究

以支持向量机基本原理的介绍出发,根据风险预警体系的构造原则,建立了一个基于支持向量机(SVM)的水产品出口贸易风险预警模型,并得出了相应的结论和启示。     

农业生态系统安全性预警与预警系统的建立

分析农业生态系统面临的威胁,提出农业生态系统进行安全性预警必要性,探讨了预警指标、模型和预警类型的选择和及农业生态预警系统建立等研究状况。预警指标的选择主要考虑受人类直接或间接影响后而容易发生退化的因子,主要有土壤肥力质量指标和土壤环境质量指标等;模型在生态安全预警研究中具有预测、解释和推断功能,在不同预警指标中将会采用不同的模型;预警的类型包括对农业生态系统恶化的程度和状态,趋势,速度等预警;WebGIS技术的运用为建立包括不同尺度和时间的预警,单项因子预警信息、子系统预警信息和系统总体预警提供了有力的技术支撑。     

经济预警模型述评

在经济预警中几乎每个阶段都可能要运用一些模型.本文介绍了使用得比较多的ARMA模型、ARCH模型、VAR模型、概率模式识别模型、贡献分析法、NN模型、KLR信号分析法、STV横截面回归模型、MCS模型等,并结合我国实际情况进行了简评.     

基于改进型神经网络的植物病虫害预警模型的构建

通过对植物病虫害预警模型相关原理和方法的研究,并结合粒子群算法对后向传播神经网络进行参数优选,构建了基于粒子群和神经网络混合算法的植物病虫害纽合预警模型。测试结果表明预警模型的构建有效且可行,为构建有效的预警平台应用提供了可行的模型结构。     

淡水养殖池塘水质预警模型

在淡水养殖池塘水质评价指标体系及阈值确定的基础上,建立了淡水养殖池塘水质单因子状态预警模型、多因子状态预警模型、趋势预警模型和鱼类生存指数预警模型,确定了淡水养殖池塘水质预警的警级标准。利用预警模型对淡水养殖池塘水质进行监测,结果表明模型具有良好的实用性。     

基于改进型神经网络的植物病虫害预警模型的构建

通过对植物病虫害预警模型的相关原理和方法的研究,并结合粒子群算法对后向传播神经网络进行参数优选,构建了基于粒子群和神经网络混合算法的植物病虫害组合预警模型。模型参数：①PSO参数设定：准粒子群算法模型参数的设定主要是对惯性、收敛（约束）、＂认知＂、＂社会＂进行变化与调节。C_1是粒子跟踪自己历史最优值的权重系数,它表示粒子自身的认识,设置为2。C_2是粒子跟踪群体最优值的权重系数,它表示粒子对整个群体知识的认识,设置为2。ξ,η设置为[0,1]区间内均匀分布的随机数。r是对位置更新的时候,在速度前面加的1个系数,设置为1;②BP神经网络输入层节点的确定：预测模型输入层节点为7个,分别代表7个特征指标,即发病面积、稻瘟病发病率、雨量、雨日数、平均温度、平均湿度、光照;③隐含层节点及隐层数的确定：该研究采用3层BP网络,隐层数为1层。将1980～2000年云南省盈江稻瘟病历史数据作为学习样本输入到预警模型,进行训练。隐节点为7时误差最小（1.046）;④输出层节点的确定：预测模型输出层节点为1个,即稻瘟病病情指数（Y）。稻瘟病发生程度分为5个等级：〈10,为等级1;10.1～20.0,为等级2;20.1～30.0,为等级3;30.1～50.0,为等级4;〉50.0,为等级5。预警模型：在构建预测模型时,包括2个过程,即学习过程和预测过程。在学习过程阶段主要在PSO算法对连接权和阈值优化的基础上,通过对样本数据的学习,找到其内在规律性,从而确定各节点间的连接权和阈值。由于选取影响植物病情发病的因子有7个,因此,第i年的输入层就为1个7维向量x_i,即输入层为7个神经元。隐含层确定为1层,输出层为第i＋1年的植物病理病情指数,故为一维向量y_j,因此,输出层的神经元个数为1。预测过程则是根据学习过程已经确定下来的连接权值和阈值,把需预测样本输入训练好的BP网络,通过网络学习后,输出相应的预测值。如需预测第i年植物病情等级,就把第i-1年决定植物病理发生的相应因素输入到该网络模型。即输出就为第i年植物病情发生程度的预测值。测试结果表明预警模型的构建有效且可行,为构建有效的预警平台应用提供了可行的模型结构。     

基于支持向量回归机的三维人脸建模方法研究

提出一种新的三维人脸建模方法,该方法首先运用双目立体视觉原理从不同角度获得人脸的两张照片,在一张照片上选定特征点,通过匹配在另一张照片上得到对应的特征点,然后从空间立体几何知识出发,根据两张照片上特征点的坐标以及拍摄时的参数,计算其三维坐标,利用支持向量回归机（SVR）对其进行回归预测建模,最后经纹理贴图,得到具有纹理特征的特定三维人脸模型。仿真实验结果表明,该方法获得的三维人脸模型较为逼真。     

基于GIS的区域性耕地预警信息系统设计

耕地预警是保障粮食安全的有效措施。针对耕地预警中需要解决的如何实现耕地质量和耕地数量以及时间和空间的双重预警问题,文章提出建立基于GIS的耕地预警信息系统,即以GIS为平台,融入预测模型和专家系统,通过预警模型判定警度,达到双重预警的目的,以期为区域性耕地预警提供一个可行的系统方案。