基于粒子群优化支持向量机的电子商务客户流失预测模型

电子商务客户流失受到多种影响,具有时变性、非线性,为了提高电子商务客户流失的预测精度,提出一种粒子群算法优化支持向量机的电子商务客户流失预测模型。首先收集电子商务客户数据,并进行预处理,然后将数据输入到支持向量机进行学习,并采用粒子群算法选择支持向量机参数,建立最优电子商务客户流失预测模型,最后采用具体数据进行了仿真实验。结果表明,相对于其他电子商务客户流失预测模型,本文模型提高了电子商务客户流失的预测精度,可以准确反映电子商务客户流失变化特点,预测结果可以为电子商务企业提供有价值的参考意见。     

支持向量机模型在区域经济预测中的应用及评价

针对支持向量机方法所具有的拟合精度高、推广能力强、全局最优、针对小样本等特点,将支持向量机应用于对区域经济发展水平的预测中,建立了基于支持向量机的区域经济非线性预测模型。针对黑龙江省进行的经济发展模型预测及检验表明,该算法具有较高的精度和实用性。     

基于经验模态分解和支持向量机的农产品价格短期预测

针对农产品价格序列非平稳、非线性的特征,提出一种基于经验模态分解和支持向量机的短期农产品价格组合预测方法。以全国苹果批发价格的周度价格序列为研究对象,首先对价格序列进行非平稳、非线性检验;然后将价格序列分解成一系列具有不同特征尺度的分量;最后针对各分量的特点分别构建支持向量机模型进行预测,得到苹果批发价格的预测值。研究结果表明,该预测模型能够更好地追踪农产品价格的变化,其预测精度与BP(back propagation)神经网络模型相比有显著提高。     

基于支持向量机的新疆地区需水预测研究

本文针对新疆地区进行需水预测研究。由于影响需水预测精度的因素很多,而且预测方法比较多,实际用水量的数据又难以获取。所以,本文选取支持向量机的方法,由于支持向量机支持基于小样本进行快速、准确预测的特点,对新疆地区需水量进行准确的预测。采用了粗糙集与支持向量机相结合的方法,对影响因子进行筛选,根据支持度筛选出主要影响因子,然后将这些主要影响因子作为输入的样本数据,构建支持向量机模型,用2000—2013年的数据进行训练,并且用2014—2015年的数据进行检验。最终,将该模型用于预测新疆地区2016—2020年的需水量。本文构建模型预测结果的平均绝对百分比误差只有0.11,可见模型预测精度很高,该种研究方法可以作为训练样本较少情况下的一种需水预测方法。     

改进支持向量机的股票价格预测研究

为了提高股票价格预测精度,提出一种改进支持向量机的股票价格预测模型。该模型利用粒子群算法的全局寻优能力对支持向量机参数进行优化,以提高股票价格的预测精度,采用具体股票价格数据对模型性能进行测试。结果表明,改进支持向量机能够对股票价变化趋势进行预测,是一种有效、高精度的股票价格预测模型。     

基于DBN-LSSVR的南美白对虾养殖溶解氧预测

为了提高南美白对虾(Litopenaeus vannamei)养殖溶解氧预测的精度,提出了深度信念网络融合最小二乘支持向量回归机(Deep belief nets-least squares support vector regression,DBN-LSSVR)的南美白对虾养殖溶解氧预测模型.首先,采用深度信念网络(Deep belief nets,DBN)方法,多尺度提取养殖水质时序数据的特征向量;然后,使用提取的养殖水质特征向量训练和优化DBN-LSSVR,构建了基于DBN-LSSVR的对虾养殖水质溶解氧预测模型;最后,以广州市番禺区南美白对虾养殖水质溶解氧实测数据为基础,对预测模型进行了实验验证,并与浅层BP神经网络、标准最小二乘支持向量回归机进行了对比分析.所构建的模型具有较高的预测精度和泛化性能,是一种有效的南美白对虾养殖溶解氧预测方法.     

基于支持向量机的农村用电量需求预测

提出了一种基于支持向量机的农村用电量需求预测方按。该方法充分发挥支持向量机在解决非线性和有限样本问题方面体现出的优势。保证了预测模型的泛化能力,具有较高的预测精度。实例验证了该方法的有效性。     

基于SVM的木材纤维饱和点近区段含水率预测模型研究

[目的]研究木材纤维饱和点近区段含水率预测模型。[方法]电阻法测量木材纤维饱和点近区段含水率会出现测量值突然偏离真值的现象,即出现测量“盲点”。在研究检测原理的基础上,提出利用支持向量机方法对已测木材含水率、温度和湿度数据进行训练建模,通过模型预测得出纤维饱和点近区段含水率数值。[结果]支持向量机方法建立的模型能够预测木材纤维饱和点近区段含水率数值,模型泛化能力强,预测精度高,而且只需要少量样本数据就可以实现预测,很好地解决了电阻法在测量过程中的“盲点”问题。[结论]支持向量机预测模型提高了木材干燥过程中全量程含水率的检测精度,对木材干燥过程的含水率建模具有一定研究意义。     

基于改进支持向量机的林业资金投资预测方法

针对林业资金投资变化的定量预测,提出一种基于改进支持向量机的预测方法.利用滑动时间窗口方法将历年林业资金投资数据构造成时间序列,将其做为数据样本集并由改进支持向量机加以训练以得到预测模型.通过某省近20年的林业资金投资数据实验验证了预测方法的有效性,实验结果表明:与传统预测方法相比,基于改进支持向量机的预测方法明显提高了投资变化预测精度.     

基于GSM和SVM的区域年用水量回归预测模型研究

区域年用水量受众多因素影响,具有非线性特点,而且还存在记录时间短、历史数据少等问题。基于支持向量机(SVM)小样本、非线性和泛化能力强的特性,建立了年用水量回归预测模型,利用网格搜索法(GSM)优化参数,并进行精度的检验。将模型应用于民勤县年用水量预测,结果表明:该预测模型的绝对误差和相对误差较小,精度较高,用于该县的年用水量预测是行之有效的。     

基于NARX 神经网络的日光温室湿度预测模型研究

在日光温室湿度预测模型建模中,由于输入因子间存在复杂耦合关系以及冗余的条件属性,导致网络训练难以收敛且精度不高.选用影响日光温室湿度的环境因子组成数据样本,采用主成分分析方法对样本集进行解耦降维处理,以采用主成分分析后的数据样本作为输入,以日光温室内湿度作为输出,采用贝叶斯正则化算法构建NARX神经网络模型,对日光温室湿度进行预测.仿真结果表明,基于NARX神经网络建立的预测模型具有很强的非线性动态描述能力,能够对室内湿度值做出准确的预测.     

基于EMD-SVM的农产品市场价格短期预测模型

基于传统计量经济预测方法无法解决非线性、小样本的价格预测的问题,建立了基于EMD(经验模态分解)-SVM(支持向量机)的农产品市场价格短期预测模型,以1997-2011年中国农产品集贸市场小麦月度价格序列为例对其进行方法应用。结果表明,与常用传统计量经济预测方法和智能化模型比较,基于EMD-SVM的农产品市场价格预测模型精度有明显提高,提供了适用于中国农产品波动规律的农产品价格短期预测的新方法和借鉴。     

基于神经网络方法和支持向量机的西安市水资源需水预测

【目的】建立精度更高的需水量预测模型,为水资源规划管理提供理论依据。【方法】建立基于神经网络方法和支持向量机的需水量预测模型,以西安市需水预测为例,对2种预测模型的预测结果进行了比较。【结果】利用建立的径向基函数神经网络需水预测模型,得到西安市2010和2020年的需水量分别为32 485.65,48 180.43万m3;采用支持向量机模型能全面考虑影响需水预测的各种因素,预测西安市2010和2020年的需水量分别为32 488.03,48 184.41万m3。【结论】基于神经网络方法和支持向量机方法的需水量预测模型均可全面反映需水量的变化规律,两者预测结果十分接近,均可用于需水量的精确预测。     

一种基于模糊信息粒化和GA-SVM的农产品价格预测方法

准确预测农产品市场价格对政府宏观调控和农业生产者制定生产决策具有重要意义.本研究提出了一种基于模糊信息粒化和遗传算法的支持向量机(GA-SVM)农产品价格预测模型.该模型首先将原始价格数据进行模糊信息粒化,然后利用支持向量机对粒化后的价格数据做出预测.为提高预测精度,利用遗传算法对支持向量机的参数进行优化.对国内某农产品批发市场的价格数据进行实证分析的结果表明,该方法能对农产品价格的变化范围进行有效地预测.     

农田有效灌溉面积的预测方法及应用

采取归一化对10 a内的农田有效灌溉面积进行处理,将处理后的数据作为标准样本,通过BP神经网络与向量机回归构建了农田有效灌溉面积模型。预测结果证实,向量机预测方法的精度更高,其泛化能力有明显提升,根据预测分析,其主要误差仅有BP神经网络总误差数的12.6%,是非常有效的灌溉面积预测方法。基于此,通过分析预测方案的有效性,并且对模型构建的方法与原则进行研究,提出了正确的变化趋势。     

基于KPCA RVM的土石坝沉降预测模型研究

【目的】针对土石坝坝体沉降存在多变量、强耦合、强干扰的复杂问题,建立基于KPCA-RVM的土石坝沉降预测模型。【方法】利用核主元分析(KPCA)对输入向量进行降维处理,以减少因子个数,随后利用相关向量机(RVM)模型对土石坝沉降进行预测,并以平均相对误差为指标对预测精度进行评价。【结果】实例应用表明,KPCA-RVM模型将输入向量由14个降低到7个,预测结果的平均相对误差仅为0.9%,预测效果得到明显提升。【结论】利用KPCARVM模型对土石坝进行沉降预测,不仅可以减少输入向量个数,而且可以提高预测精度,可在实际工程中推广应用。     

基于混沌理论的害虫发生量非线性建模与预测

为了提高害虫发生量预测的精度,提出一种基于混沌理论的害虫发生量非线性预测模型(PSR–LSSVM)。通过相空间重构对害虫发生量时间序列进行重构,将重构后的害虫发生量序列输入到最小二乘支持向量机进行学习,建立害虫发生量预测模型,采用云南省普洱市思茅区和浙江省仙居县的松毛虫发生面积数据对模型性能进行检验。结果表明,松毛虫发生面积预测值与实际发生值十分接近,2个地区松毛虫发生面积预测结果的平均绝对百分误差分别为0.90%和2.44%,预测结果要优于BP神经网络、线性预测模型。     

基于最小二乘支持向量机的灌区粮食产量预测研究

对常用作物产量预测模型进行了简要评述,建立了基于最小二乘支持向量机的灌区产量预测模型。对灌区作物产量进行模拟计算,并用检验样本与灰色预测和神经网络模型的预测结果进行了比较。结果表明,最小二乘支持向量机预测的最大误差7．12％,平均误差4．81％。最小二乘支持向量机模型有较高的预测精度和良好的推广能力,可做为灌区粮食产量预测的一种新方法。     

基于SVM的农机装备水平组合预测模型研究

采用支持向量机的组合预测方法,对黑龙江垦区农机装备水平进行预测。在确定单一预测模型的基础上,运用自组织神经网络方法,将权系数确定问题转化为粗糙集理论中属性重要性评价的问题;计算各单一预测方法对组合模型的依赖度、重要度和权系数;利用建立的基于支持向量机非线性农机装备水平组合预测模型,对黑龙江垦区2002—2012年农机装备水平的历史数据进行检验。误差分析表明:该模型对农机总动力、大中型拖拉机、小型拖拉机、大中型拖拉机配套机具和小型拖拉机配套机具的预测平均相对误差为0.471%、1.328%、3.738%、1.193%、3.574%,均低于各单一预测模型的平均相对误差;利用该模型对黑龙江垦区农机装备水平进行预测,到2020年拥有农机总动力999.33万kW、大中型拖拉机88 921台、小型拖拉机38 453台,大中型拖拉机与配套农机具台数比为1.51∶1,小型拖拉机与配套农机具台数比为1.68∶1。所建模型适用于黑龙江垦区农机装备水平的预测。     

基于在线SVM的平原河网河道水位预报方法

针对平原河网地区河道水位预报的不确定性特征,以京杭运河代表站拱宸桥站为例,提出了一种基于在线支持向量机的河道水位预报方法.根据拱宸桥站河道水位影响因子,选取京杭运河2008—2013年11场典型洪水过程的1500组水文数据作为样本,分别构建了固定式、在线增量式和在线剔除式SVM水位预测模型.定性定量比较了不同预见期下3种模型的预测数据,结果表明在线剔除式SVM模型的预报精度要高于其他2种模型.该方法可为研究平原河网地区河道水位过程实时预报提供参考.