支持向量回归机在水质预测中的应用与验证

以干旱区浅水湖泊乌梁素海的多年实测pH值为例,在分析支持向量回归机算法（ε-SVR）核函数选取的基础上进行了回归分析及预测,并与线性回归、BP神经网络、RBF网络等算法进行了比较。研究结果显示：：（1） 基于径向基核的支持向量回归机模拟效果优于其它核函数;（2）ε-SVR模拟结果与线性回归（LR）、BP神经网络和RBF网络等算法模拟结果相比,其拟合精度与预测精度均比其它三种方法要高。计算结果充分证明了支持向量回归机有较强的学习能力和泛化能力且该方法可以应用于水质预测研究。     

径流预测的支持向量机应用探讨

支持向量机是近年来提出的一种新的机器学习算法，它能针对在样本有限的情况，采用结构风险最小化准则，把学习问题转化为一个二次规划问题来获得最优解，从而克服了神经网络易陷于局部极小值的缺点。尝试将支持向量机算法应用于径流预测，并与BP神经网络方法的预测结果进行了对比，证明SVM方法预测径流量精度要略优于BP神经网络方法。     

基于支持向量机的中国节水灌溉面积预测研究

为了了解未来几年中国节水灌溉面积的发展趋势,需要建立节水灌溉面积的预测模型。在对2000-2010年中国节水灌溉面积的统计数据进行归一化处理的基础上,采用支持向量机算法建立了回归预测模型。其中,2000-2009年的数据为训练样本,2010年的数据为检验样本。仿真预测与实际预测的结果表明该预测模型在所有预测样本点的相对误差的绝对平均值仅为0.14%,能满足对节水灌溉面积进行预测的需要。采用该模型对中国未来5年的节水灌溉面积进行了预测,指出了中国节水灌溉面积在十二五期间有加速增长的趋势。该研究结论对于了解未来中国节水灌溉的发展状况和制定相关规划具有重要的参考价值。     

支持向量机在水质评价及水位动态预测中的应用

利用支持向量机方法,构建RBF核函数支持向量机水质评价模型和地下水位动态预测模型,对白城地区进行水质评价及地下水位预测。结果表明:白城地区地下水污染严重,以Ⅳ类、Ⅴ类水居多,地下水位动态变化具有周期性。通过实例验证,支持向量机方法评价结果合理,且与综合水质评价法对比分析,更接近实际水质情况;在水位预测中也表现良好,预测准确率达到96.7%。可见该方法在水质评价及水位动态预测中表现出优秀的性能,具有很好的研究价值和推广前景。     

基于灰色关联分析的支持向量机需水预测研究

近年来需水预测一直被高度重视,由于实际需水预测涉及因素众多难以考虑全面、历史资料的局限性以及需水变化影响因素考虑不足等,各种需水预测方法均存在一定局限性,导致预测结果与实际用水量有较大差别.针对以上问题,考虑采用灰色关联分析与支持向量机结合的方法进行需水预测,根据灰色关联分析方法辨识得到的各类用水主要影响因素,构建支持向量机需水预测模型.以郑州市实际用水量为例,对各部门用水分别建立基于灰色关联分析的支持向量机非线性需水预测模型,结果表明,此方法用于需水预测能够比较全面的考虑需水量影响因子,预测结果精度较高,可作为小样本情况下一种较好的需水预测方法.     

基于灰色支持向量机组合模型的农产品产量预测

鉴于灰色预测模型和支持向量机各自的优点,将灰色预测模型与支持向量机相结合,提出灰色支持向量机组合模型,并将该模型应用于花生产量预测中。结果表明,与单一支持向量机和灰色预测模型相比,灰色支持向量机组合模型的预测精度明显提高。     

基于支持向量机的道路坡度实时预测方法试验

道路坡度预测是汽车ABS、AMT、混合动力汽车扭矩分配等实时控制的关键技术。提出一种基于支持向量机(SVM)的道路坡度实时预测方法,输入参数为发动机转速、输出扭矩、纵向车速和纵向加速度,均从控制器CAN网络中实时提取。分别构建实车道路试验系统和Car Sim仿真平台,通过系统试验分别得到的样本对SVM模型进行学习和泛化能力测试。结果表明:Car Sim试验数据建立的SVM模型预测平方相关系数达到0.99,实车试验数据建立的SVM模型预测平方相关系数在0.9左右,二者差异的主要原因是实车试验GPS方法获取道路坡度信息时叠加了不易消除的车体俯仰角的影响。基于Lab VIEW编程将实车试验SVM模型导入虚拟仪器PXIe实时控制器中,其预测一个点的耗时等效到汽车电控ECU单片机为1.33 ms,完全满足实时控制要求。证明所提出道路坡度预测方法是有效、可行的。     

具有支持向量机优化算法的福州内河水质评价系统研究

随着福州市发展建设的推进,福州内河水环境不断恶化,亟需及时掌握福州内河水环境的水质状况,从而进行水质优化的干预。文章研究具有支持向量机优化算法的福州内河水质评价系统。首先进行水质信号检测的硬件设计,采用可编程逻辑控制器（PLC）通过485通讯协议采集到水质信号,通过网络终端实时远传至终端电脑;接着,采用Python语言实现支持向量机优化算法的软件设计,最终实时研判水质情况,防范水质的污染恶化。     

黑龙江省玉米产量变化的预测分析——基于支持向量机的实证研究

应用支持向量机(SVM)的算法进行黑龙江省玉米产量的预测研究,用1983-2010年黑龙江省玉米产量数据组成样本集,建立影响因素与玉米产量之间的SVM模型。利用SVM对输入和输出数据进行训练学习,逼近历史数据所隐含的函数关系,完成对新数据序列的映射关系,从而完成对未来年份玉米的预测,并与其它几种方法的预测效果进行比较。结果表明,应用SVM预测模型预测玉米产量的能力优于其他预测方法。     

基于支持向量机的洪水预报模型初

用传统的机器学习方法进行洪水预报建模存在泛化能力难以保障，训练速度慢等一些困难。对统计学习理论和支持向量机的基本内容和核心思想进行了简要的介绍，探讨了基于支持向量机的洪水预报模型的建模方法。通过实例中的应用，该模型显示了泛化能力强，训练速度快，便于建模等优点，有良好的应用前景。     

基于主成分分析的支持向量机需水预测模型及其应用

需水预测是水资源优化配置、水资源规划和水资源管理的重要依据,其预测精度受到众多因素的影响,且实际用水量数据时间系列较短,制约了传统预测方法的应用。利用支持向量机在对小样本学习的基础上对其他样本进行快速、准确的拟合预测的特点,采用主成分分析与支持向量机相结合的方法,首先利用主成分分析法筛选需水量的主要影响因子,然后将其作为输入样本,对支持向量机模型进行训练和检验,寻找最优模型,并将该方法应用于洛阳市需水预测。结果表明,该模型预测结果平均相对误差为-0.83%,预测精度较高,可作为训练样本较少情况下的一种需水预测方法。     

基于支持向量机模型的水质评价研究

将支持向量机方法应用到水质评价中,建立了RBF核函数支持向量机评价模型。根据石头口门水库水质特征,选择溶解氧、化学需氧量、高锰酸盐指数等五项指标作为输入因子进行评价,并与综合水质评价法、模糊综合评价法比较。研究结果表明石头口门水库主要为Ⅱ类和Ⅲ类水,呈汛期较差、非汛期较好的变化规律。通过实例验证,说明支持向量机方法能够较好的解决分类评价问题,评价结果良好,符合客观事实,具有很好的研究价值和推广前景。     

基于最小二乘支持向量机模型预测田面糙率

田面糙率是影响地面灌溉质量的重要参数。基于最小二乘支持向量机建立了两类4个田面糙率预测模型,并进行了验证。结果表明第一类模型预测值(即作物地采用LSSVM-N-I3、裸地采用LSSVM-N-I1,翻耕地采用LSSVM-N-I2)相对误差最大值为9.7%;第二类模型预测值(即LSSVM-N-II模型)相对误差最大值为10.5%,由此可见两类模型都具有较高的预测精度,可以用于田面糙率的预测。     

基于小波分析的支持向量机径流预测模型及应用

针对径流年内、年际变化幅度大、单一方法难以预测的特点,提出基于小波分析的支持向量机径流预测模型。该模型从时频分析角度出发,把月径流序列分解成不同的频率成分,分别采用支持向量机进行预测。以淮河支流沙河上游某水库月径流预测为研究实例,得出了较满意的预测结果。通过与其它方法预测结果的对比分析,验证了模型的有效性,为径流预测提供了一条新途径。     

混沌遗传最小二乘支持向量机法预测日用水量

利用混沌运动的初值敏感性、内在随机性和遍历性的特点,提出基于混沌遗传算法和最小二乘支持向量机的城市日用水量预测法。通过混沌映射搜索自适应遗传算法的较优初始种群,采用自适应遗传算法优化最小二乘支持向量机的超参数,利用交叉验证法确定遗传算法个体的适应值,建立基于最小二乘支持向量机的日用水量预测模型。实例分析结果表明,与基于遗传最小二乘支持向量机的日用水量预测法相比,提出的预测方法具有更高的预测精度。     

基于自适应遗传模糊支持向量机的变压器DGA含量预测

针对以往变压器油中溶解气体含量预测中对所有数据样本等同处理,没有区分不同时间样本对建模作用不同而造成预测误差的问题,提出一种基于模糊支持向量机预测模型,将样本按照时间由近及远赋予不同的权重,并采用自适应遗传算法优化其参数,根据适应度值自动调整交叉概率和变异概率,保证参数的全局最优性,克服参数选择的盲目性。实例分析证明,该模型应用于变压器DGA含量的预测中,有效降低了预测误差,提高了预测精度。