工厂化水产养殖溶解氧预测模型优化

为准确预测溶解氧变化趋势,降低水产养殖风险,提出混沌变异的分布估计(CMEDA)算法优化最小二乘支持向量机模型(LSSVR),提高了溶解氧预测精度。并对粒子群算法和遗传算法分别优化的LSSVR模型(PSOLSSVR、GA-LSSVR)以及传统的LSSVR模型与CMEDA优化的LSSVR模型(CMEDA-LSSVR)进行了比较研究。利用该模型对江苏省扬中市红鲷鱼工厂化养殖鱼塘溶解氧含量进行了预测。实验结果表明,CMEDA-LSSVR的预测精度高于其他3种算法,CMEDA-LSSVR、PSO-LSSVR、GA-LSSVR、LSSVR 4种模型预测精度评价指标平均绝对百分比误差分别为0.32%、1.27%、1.98%和2.56%。实际应用结果表明该模型可以为鱼塘水质决策管理提供依据,具有一定的应用价值。     

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DPLS和LS—SVM的梨品种近红外光谱识别

为了实现不同品种梨的快速光谱鉴别,采用主成分分析法(PCA)对光谱数据进行聚类分析,得到3种不同品种梨的特征差异,主成分分析表明,以所有建模样本主成分PC1和PC2做出的得分图,对不同种类梨具有很好的聚类作用。利用主成分分析得到的载荷图可以得到对于梨品种敏感的特征波段,用特征波段图谱作为输入建立偏最小二乘判别(DPLS)模型和最小二乘支持向量机(LS-SVM)模型。3个品种梨各70个共210个分别建立偏最小二乘判别(DPLS)模型和最小二乘支持向量机(LS-SVM)模型。对未知的24个样本进行预测,LS-SVM模型品种识别准确率达到100%,DPLS模型的校正及验证结果与实际分类变量的相关系数均大于0.980,交叉验证均方根误差(RMSECV)和预测均方根误差(RMSEP)都小于0.100,品种识别率为100%。表明提出的方法具有很好的分类和鉴别作用,提供了梨的品种快速鉴别分析方法。     

基于LS-SVM的小水电站年发电量智能预测模型

针对小水电站年发电量序列的特点,将最小二乘支持向量机(least squares support vector machine,LS-SVM)回归模型引入年发电量预测领域,并给出了相应的过程和算法。与常规基于人工神经网络(artificial neural net-works,ANN)的智能预测方法比较,该模型优点是明显的:①将神经网络迭代学习问题转化为直接求解多元线性方程;②整个训练过程中有且仅有一个全局极值点,确定了预测的稳定性。最后,一个实际的预测例子表明:该模型实现容易、预测准确,适用于小水电站预测。     

静电喷头雾化特性预测模型

将一种基于改进粒子群优化最小二乘支持向量机的预测模型引入静电喷雾雾化性能预测领域,并给出了相应的步骤和算法.该模型能方便地预测喷雾参数对喷头雾化性能的影响,有助于正确认识喷头雾化性能随喷雾参数的变化规律.通过具体实例及与其他几种预测方法的对比表明,在相同样本条件下,其模型构造速度比标准LSSVM方法高近1个数量级,模型预测误差约为标准LSSVM方法的50%,预测精度比常规BP模型高1个数量级.     

基于支持向量机的水质预测应用实例

水质预测作为水环境污染控制的重要手段,能够预测水质的变化趋势,从而有效地控制水质恶化情况。分析了支持向量机的回归理论和算法;构建了支持向量机水质预测模型。应用实例以通州区新江海河站点为研究对象,取NH3-N浓度和TP浓度为时间序列样本,运用支持向量回归机的理论与方法,构造预测模型,并利用Libsvm软件包和MATLAB软件进行水质预测。从整体预测效果来看,其预测结果能较好地反映水质情况。     

基于力-声学特性的鸡蛋微小裂纹在线检测方法

针对目前国内外禽蛋流水线在线裂纹检测中微小裂纹检测的难题,通过外部压力增大微小裂纹信息,并结合声学方法实现多维度禽蛋微小裂纹的无损检测。对20枚不同位置的微小裂纹蛋进行压碎实验,选取压力范围为0~6 N,采集无损蛋与微小裂纹蛋的振动音频信号,结合功率谱分析、PCA主成分分析,选出工业流水线条件下最适宜增大微小裂纹信息的外部压力为5 N,最佳扫频范围为3 000~7 500 Hz。实验中,对320枚鸡蛋进行检测,分别构建基于反向传播神经网络(BPNN)、概率神经网络(PNN)和最小二乘支持向量机(LS-SVM)的鸡蛋微小裂纹检测模型,其中,基于LS-SVM的鸡蛋微小裂纹检测模型最优,测试集中无损蛋与微小裂纹蛋的识别率分别达到98.3%和95%,且流水线每小时可在线检测约3 600枚鸡蛋。     

基于LSSVM和SA-BBO算法的循环水系统优化

火力发电厂循环水系统的优化对确定凝汽器最佳真空,以及提高火电厂整体效率、节能降耗,意义重大.以某电厂2台600 MW机组循环水系统为研究对象,建立了基于最小二乘支持向量机（LSSVM）的汽轮机功率预测模型.该模型解决了神经网络中的局部极小值问题,取得了很好的预测效果,泛化能力强.在此基础上,建立了以利润最大化为目标函数,综合考虑循环水泵功耗、汽轮机组功率微增以及煤、电能量价值市场差异的凝汽器真空优化模型.实际应用中,该模型计算时,首先以一定周期从实时数据库中读取电厂运行的最新工况信息,并进行数据预处理和稳态判别;再采用模拟退火生物地理学优化混合算法（SA-BBO）对凝汽器真空优化模型进行寻优,得出了不同工况下的凝汽器最佳真空、循环水泵的最优组合运行方式及优化收益.将寻优结果制成循环水系统的优化组合图,可以指导现场运行调节.     

基于LS-SVM的光伏最大功率跟踪控制方法

为解决自然环境剧烈变化条件下,传统光伏最大功率跟踪控制中存在的控制精度低和误跟踪现象,建立了基于最小二乘支持向量机的最大工作点电压预测模型,通过该模型预测光伏发电系统的最大工作点电压,并用预测电压来修正恒电压控制法的参考电压,从而实现光伏发电系统的最大功率跟踪控制。仿真结果表明预测模型具有较高的精度,相对误差在0.04以内,控制方法能够快速、稳定地实现光伏发电系统的最大功率跟踪,有效避免误跟踪现象。     

基于含水率与温度补偿的土壤pH值在线实时检测系统

针对目前常用土壤pH值传感器在测量过程中受土壤含水率和温度影响较大的问题,设计了带有温度、含水率补偿模型的锑电极土壤pH值在线实时检测系统。利用最小二乘法对pH值和测量结果进行线性分析,补偿土壤pH值测量误差。试验结果表明,经过补偿之后,由温度和含水率变化导致的pH值测量误差至少可降低84. 5%,pH值测量值随温度和含水率的变化幅度不超过±0. 1。与市场产品ZD-18型土壤酸度计、HYSWR-ARC-12V型土壤含水率传感器、水银温度计对比研究得出,3项指标线性拟合决定系数均达到0. 99以上。为了确保自然环境下土壤pH值测量的适用性,探索了系统在使用过程中土壤含水率的阈值与测量精度,表明在土壤体积含水率大于5%的情况下均可有效测量。试验表明,在pH值3. 06～10. 36范围之内,本系统可有效测量,检测误差为-1. 53%～3. 51%,满足土壤pH值实时在线测量要求。     

基于支持向量机回归的营养液调控模型研究

针对目前设施栽培中营养液动态调配精确度低的问题,提出一种基于支持向量机回归(Support vector machine regression,SVR)的营养液调控模型.首先,通过设计嵌套试验采集了13个温度、50组不同Knop营养液(A:99％Ca(N03)2·4H20、B:98％KN03、C:99％KH2P04、D...     

融合黄瓜光质需求的设施光环境智能调控模型

设施光环境是影响作物生长发育的重要因素之一,其包括设施光强和光质。不同温度下,两者与光合速率存在显著的互作关系,建立融合作物光质需求的设施光环境智能调控模型,是设施农业环境调控急需解决的问题之一。本文以黄瓜为试验材料,设计了温度、光照强度、光质比嵌套的植株净光合速率测试试验,获取了多因子耦合的试验样本,并利用支持向量机建立了融合黄瓜光质需求的光合速率预测模型。其次,提出了基于粒子群算法的光照强度和光质比寻优算法,获取了不同温度条件下最适合植物生长的光照强度和光质比。最后,基于寻优结果,利用偏最小二乘回归法构建红蓝光目标值调控模型。验证结果表明,光合速率预测模型训练集数据和测试集数据的拟合度分别为0. 997 1和0. 996 9,均方根误差分别为0. 363 0、0. 436 7μmol/(m~2·s)。红、蓝光目标值调控模型均方根误差分别为15. 087 8、10. 138 3μmol/(m~2·s),可满足调控模型精度要求。其调控效果相比于传统固定光质比调控模型有明显提升,为有效地进行设施光环境调控提供了重要依据。     

灰色神经网络模型在湖泊水质预测中的应用

应用灰色GM(1，1)预测模型和人工神经网络预测模型相结合而成的灰色神经网络模型，对湖泊高锰酸盐指数进行预测。此方法是用人工神经网络去把握灰色GM(1，1)所得到的预测值和实测值之间的未知关系，再进行新的预测。其特点是可行性强，且方法简便。通过准确地预测湖泊高锰酸盐指数可以为治理、控制湖泊营养化和综合利用自然环境资源、规划管理、决策提供重要的科学依据。     

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。     

基于变尺度混沌遗传最小二乘支持向量机的日用水量预测法

为克服传统遗传算法易陷入局部最优,收敛速度慢的问题,提出基于变尺度混沌遗传最小二乘支持向量机的日用水量预测法。采用混沌算法优化自适应遗传算法的初始种群,利用自适应遗传进化和变尺度混沌优化对LSSVM的参数进行循环优化,直至遗传算法达到最大进化代数,建立基于变尺度混沌遗传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,与基于自适应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好的预测精度。     

基于高光谱定量反演模型的污水综合水质评价

为改善高光谱遥感对污水水质信息状况定量反演模型的预测评价效果,以陕西某污水处理厂采集的污水样品为研究对象,采用主成分分析法（Principal component analysis,PCA）对污水水质进行综合评价,获取水质评价的综合评价因子,同时利用ASD FieldSpec 3型高光谱仪获取污水的原始光谱,经过数据预处理和不同数学变换后,共获取了4种光谱指标：平滑后光谱反射率（SG）、倒数之对数（LR）、标准正态化（SNV）和去包络线（CR）。分别采用偏最小二乘回归法（Partial least squares regression,PLSR）、逐步回归法(Stepwise regression,SR)、极限学习机法（Extreme learning machine,ELM）构建了基于水质综合评价因子的高光谱水质反演模型,并对反演结果进行精度验证与比较。结果表明,本组水样的平滑后光谱数据和经过标准正态化变换的光谱数据建模具有较好的建模效果,其建模的预测RPD均在2.5以上;在3种模型中,PLSR模型和ELM模型均具备很好的建模预测效果;逐步回归法的建模效果较PLSR模型和ELM模型有所下降,但是其SG-SR、SNV-SR模型的R2c均在0.8以上、R2p均在0.85以上,RPD均在3.0以上,证明其仍拥有很好的反演预测效果,且进行了特征波段的优选,实现了对模型的优化;SNV-SR-ELM（R2c=0.956,R2p=0.954,RMSE=0.500,RPD=4.651）为最佳模型,SNV-SR-ELM模型的建立为高光谱反演水质模型的优化、污水水质的快速监测和综合评价提供了途径。