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。     

粒子群算法在农业工程优化设计中的应用

运用改进型粒子群算法对农村的两个应用实例，农村泵房钢结构数学模型和农村电站无功补偿优化数学模型进行了优化计算，采用MATLAB语言编制了泵房钢结构优化、配电网络无功补偿的计算机仿真程序。通过两个实例的计算机仿真，优化后的泵房钢结构质量比原设计减少了27.37%；有效地搜寻到电站无功补偿费用最低的优化补偿点，结果符合实际应用情况，表明粒子群算法应用于农业工程优化设计计算切实可行，为复杂的农业工程优化设计问题提供了新的思路和方法。     

基于太赫兹光谱和支持向量机快速鉴别咖啡豆产地

结合太赫兹时域光谱技术和支持向量机对3种典型产地的咖啡豆进行了鉴别。选取埃塞俄比亚(Ethiopia)、哥斯达黎加(Costa Rica)以及印度尼西亚(Indonesia)3个产地咖啡豆样品进行压片处理,采用太赫兹透射模式获取样品的时域和频域光谱信号,并用主成分分析法对太赫兹频域光谱信号进行分析;构造了基于粒子群(partical swarm optimization,PSO)参数寻优的支持向量机(support vector machine,SVM)鉴别模型,模型对不同产地咖啡豆样品的综合识别正确率达到95%。试验结果表明,太赫兹作为新型的检测手段结合模式识别方法可用于咖啡豆的产地鉴别。该文为一类在太赫兹波段下没有明显特征吸收峰的农产品/食品安全检测和产地追溯研究提供了一种快速、准确的方法。     

基于Relief F和PSO混合特征选择的面向对象土地利用分类

针对面向对象土地利用分类存在特征维数过高的问题,提出了一种结合Relief F和粒子群优化算法(particle swarm optimization,PSO)的混合特征选择方法,即首先利用Relief F作为特征预选器滤除相关性小的特征,然后以PSO作为搜索算法,以支持向量机(support vector machine,SVM)的分类精度作为评估函数在剩余特征中选择出最优特征子集。该文以吉林省长春市部分区域为研究区,采用Landsat8遥感影像为数据源,首先对其进行多尺度分割,然后提取影像对象的光谱、纹理、形状和空间关系特征,利用提出的混合特征选择方法选取最优特征子集,最后使用SVM分类器对研究区进行土地利用分类,总体分类精度和Kappa系数分别为85.88%和0.8036,与基于4种其他特征选择方法的土地利用分类结果进行比较,基于Relief F和PSO的混合特征选择方法利用最少的特征获得最高的分类精度,能够有效地用于面向对象土地利用分类。     

基于改进MSVR的鲜食葡萄运输过程中环境因子与感官品质建模

挖掘运输过程中环境因子和生鲜果蔬感官品质之间的关系,实现基于环境因子的感官品质评估和预测,对于保持生鲜果蔬物流品质具有重要意义。该研究以鲜食葡萄为研究对象,通过对实际运输过程的跟踪监测,在实验室开展了鲜食葡萄运输模拟试验和感官试验,构建了鲜食葡萄运输感官品质数据集。在建模方法层面,该研究提出了一种基于多输出支持向量回归（Multiple Output Support Vector Regression,MSVR）模型的运输环境因子（温度、相对湿度）与感官品质（外观、香气、质地和风味品质）的预测模型,并利用粒子群（Particle Swarm Optimization,PSO）算法和遗传算法（Genetic Algorithm,GA）对模型进行优化（PSOGA-MSVR）。结果表明,PSOGA联合优化算法有效提高了MSVR模型的调参效率,且在常温运输、保冷运输和冷链运输3种不同的运输模式下,PSOGA-MSVR模型的预测效果均更优,决定系数R²高于0.985且各项误差指标低于其他模型;研究结果可为运输过程中合理调控环境因子,减缓生鲜水果感官品质的下降提供参考。     

基于PSO-SVM算法的梯级泵站管道振动响应预测

泵站管道振动响应信号实测比较困难,为实现利用较少机组数据预测管道振动状况,提出基于粒子群(particle swarm optimization,PSO)的支持向量机(support vector machine,SVM)预测方法。利用粒子群全局跟踪搜索算法优化SVM核函数和惩罚因子,弱化SVM参数优化不足导致预测精度低的问题。以景电梯级二期3泵站2号管道为研究对象,基于机组和管道的振动实测数据,首先利用频谱分析和数理统计方法确定管道振动的振源贡献率,并计算机组和管道振动相关系数,确定机组和管道之间的强耦合关系。然后建立泵站管道振动的PSO-SVM预测模型,选取机组不同时段振动实测数据作为输入因子,相应时段管道振动数据作为输出因子进行训练和振动预测,并将管道振动预测结果与BP神经网络预测结果进行对比。与BP网络神经预测结果相比,该方法预测结果与实测值吻合度高,其平均相对误差最大为6.8%,根均方误差最大为0.261,预测精度更高。能够有效实现管道的振动响应预测,从而达到管道实时在线安全运行监测的目的。     

基于改进BP神经网络与支持向量机的土壤墒情预测方法研究

为提高土壤墒情预测精度,提出了一种基于遗传算法（GA）、改进粒子群算法（IPSO）、误差反向传播（BP）神经网络和支持向量机（SVM）的土壤墒情组合预测模型（GA_IPSO_BP-SVM）。该模型首先在BP神经网络的权阈值选择中同时引入GA和IPSO构成GA_IPSO_BP模型,然后对GA_IPSO_BP和SVM模型分别进行训练和数据仿真,最后利用建立的加权模型对GA_IPSO_BP和SVM模型的土壤墒情预测结果进行组合。以安庆市8个监测站某时段内农田土壤墒情数据为例,分别按隔日、两日后和三日后三种时间跨度进行土壤墒情预测,并对照BP、GA-BP、PSO-BP、IPSO-BP、GA_IPSO_BP和SVM模型,验证和比较提出的GA_IPSO_BP-SVM模型的土壤墒情预测精度。结果表明,GA_IPSO_BP-SVM模型的土壤含水量预测相对误差平均值最小。GA_IPSO_BP与SVM模型组合的GA_IPSO_BP-SVM模型提高了土壤墒情的预测精度,更适合于土壤墒情的短期预测,该方法可为农业节水灌溉方案的制定提供技术支撑。     

基于自适应进化相关向量机的耕地面积预测模型

为解决耕地面积预测模型建立过程中的非线性、稀疏化及结果可靠性评价等问题,该文将相关向量机与差分进化优化算法进行融合及改进,提出基于自适应进化相关向量机的耕地面积预测模型。该文以黄石市为例,建立基于自适应进化相关向量机的短期、中期耕地预测模型,并与多元线性回归、BP神经网络、支持向量机算法在精度、计算效率及可靠性方面进行对比分析。试验验数据表明,自适应进化相关向量机的预测精度大约是其余3种方法的2倍以上;模型的计算效率是多元线性回归方法的2倍,比BP神经网络、支持向量机高出2个数量级;测试数据的实际耕地面积均在自适应进化相关向量机估计的95%置信度的置信区间内,并且由后验差比、小误差概率判定模型等级属于"好"。基于以上数据,证实该模型是一种精度高、计算快、可靠性强的耕地预测新方法。     

基于偏最小二乘投影的可见/近红外光谱猪肉综合品质分类

针对全波段光谱技术的生鲜猪肉综合品质快速无损分类存在光谱数据量大、样本数量较少时分类准确率较低等缺点。该文提出了一种基于偏最小二乘(partial least squares,PLS)投影分析算法和支持向量机的生鲜猪肉综合品质分类器。利用基于偏最小二乘投影分析算法对全波段光谱数据进行数据降维,选取了13个特征波长。利用粒子群优化算法优化支持向量机惩罚参数和径向基核函数参数,优化后二者最优为4.939和0.01。利用选取的特征波长和优化后的参数建立了生鲜猪肉综合品质支持向量分类器。研究结果表明,分类器对训练集中白肌肉(pale,soft and exudative,PSE)、正常肉(reddish-pink,firm and non-exudative,RFN)和黑干肉(dark,firm and dry,DFD)的回判识别率分别为为88.46%、94.11%和92.31%;测试集中PSE、RFN和DFD预测正确率分别为84.62%、94.11%和84.62%。该分类器满足模型简单、预测准确率高等优点,为生鲜猪肉综合品质在线分级提供参考。     

基于蚁群算法的茶叶理条机参数优化设计

为了提高茶叶理条机的传动性能与茶叶加工质量,运用蚁群算法和Matlab语言,建立了茶叶理条机优化设计数学模型,编制了茶叶理条机的关键设计参数的优化设计程序,并运用该程序对茶叶理条机的关键参数进行了优化仿真计算并进行了验证试验.优化结果表明:曲柄长度为59.1 mm;连杆长度为341.5 mm;偏心距为57.5 mm;滑...     

基于支持向量机的多光谱成像稻谷品种鉴别

为解决稻谷品种的快速无损鉴别问题,应用多光谱图像采集设备(VideometerLab)获取了5个品种稻谷共250个试验样本在405~970 nm波长范围内的多光谱图像,提取各品种稻谷在不同波长下的光谱反射率和图像特征(面积,宽长比,色差等)作为稻谷品种鉴别的特征变量,基于最小二乘支持向量机(least-square-support vector machine,LS-SVM)建立鉴别模型,通过粒子群寻优(particle swarm optimization,PSO)算法搜索支持向量机的最优参数。将250个稻谷分为建模集(200个样本)和测试集(50个样本)分别进行试验,结果表明,采用该文的建模方法结合稻谷光谱特征和图像特征对预测集稻谷品种鉴别的正确率均在90%以上,高于对比的其他方法,该研究成果为稻谷品种的快速无损鉴别提供了一种方法。     

200 W浓缩风能型风力发电机的应用及运行效果

浓缩风能型风力发电机是使自然风通过聚能装置把稀薄不稳定的风能浓缩和均匀化之后利用的一种风力发电装置。200 W小型机组已经在中国和日本多个地区应用,当自然风速为10 m/s时,发电机效率为0.603,机组功率达到了208.6 W,风能利用系数为0.52,运行效果良好。与其它国内外优秀机组相比具有风轮直径较小,起动风速低,风能利用系数较高等特点。该机组采用6叶片风轮,高风速时可自动限速,安全性高,应用前景广阔。     

基于粒子群算法的电动汽车DCT升档动力协调控制

该文建立了纯电动汽车双离合器自动变速器(DCT,double clutch transmission)升档过程动力学模型,以滑摩功与冲击度为评价因素,建立两者加权和形式的评价指标。针对纯电动汽车动力协调换挡优化对象强非线性,在基于梯度寻优的传统优化算法难以奏效情况下,利用粒子群优化算法对电机参与下的双离合器升档过程进行优化。优化过程中,使用傅里叶基向量分解方法将离合器转矩轨线、电机转矩轨线分解为基向量的线性组合,使用粒子群优化算法优化基向量系数,实现对双离合器传递转矩轨线与电机输出转矩轨线的规划,藉此提出了电动汽车双离合器变速器升档过程中离合器和电机转矩协调控制方法。最后,经过实车试验进行验证,结果表明该方法能够有效减少9%的滑摩功,使冲击度控制在国家标准之内,并缩短换档时间,改善换档品质。     

基于微粒子群优化算法的差速器壳体轻量化设计

针对汽车差速器的轻量化,提出了基于微粒子群优化算法和参数化模型相结合进行优化的设计方法.通过计算模态和试验模态相结合,验证了差速器壳体有限元模型的准确性;基于微粒子群算法,建立了以质量最小和安全系数均方根值最大为目标的优化模型,进行了轻量化设计.优化结果显示:壳体质量由优化前的6.26 kg下降到5.67 kg,减轻了10.4%;优化后壳体的最大应力、最大应变和最小安全系数等性能指标均有不同程度的提高,验证了轻量化是成功的.