基于改进模糊支持向量机方法的车尔臣河径流预报

针对径流时间序列固有的非线性和随机性特点,本文提出了基于灰色关联分析的模糊支持向量机预报方法.该方法在传统支持向量机任意逼近的非线性映射能力上,引入模糊隶属函数来考虑气候和流域下垫面变化下径流样本对预报结果的影响.此外,预报因子选取是中长期径流预报的一大难点,考虑到相关系数法只能衡量因子间线性相关程度的不足,本文采用灰色关联分析来量化预报因子与预报对象的关联程度,并按关联度大小挑选出对径流过程影响显著的预报因子.将该方法应用于新疆车尔臣河的月径流预报中,与GRNN神经网络模型和A-FSVM模型的预报结果比较表明:该方法能提高径流中长期预报精度,是一种有效的径流时间序列预测模型.     

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。     

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。     

最小二乘支持向量机模型在径流预报中的应用

为解决径流中长期预报模型精度较低的问题,提出了一种基于混沌时间序列的最小二乘支持向量机预测方法,该方法依据相空间重构技术以及最小二乘支持向量机模型(以下简称LS_SVM)。利用该模型对黄河三门峡1919-1989年的71年实测年径流量进行预测。经过反复计算分析表明LS_SVM模型在径流中的应用具有较快的计算速度、较好的泛化能力以及较高的预测精度。     

基于支持向量机的机械零件寿命预测模型研究

机械零件的使用寿命是一个重要的问题,直接影响机械设备的安全和稳定运行。传统试验方法确定机械零件的寿命需要耗费大量的时间和资源,而且在试验过程中难以考虑到各种复杂的实际工作环境和使用条件。采用支持向量机的方法来预测机械零件的寿命,通过机械零件退化特征构造时间更新方程分析推断材料在不同工作条件下的寿命。研究结果可以为机械设备的设计和维护提供参考依据与分析方法。     

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.     

基于支持向量机方法的土壤水分特征曲线预测模型

在山西省黄土高原区进行野外试验获取土壤样品,经室内试验测定,最终获得土壤样品的水分特征曲线以及理化参数,建立了基于支持向量机的Van-Genuchten预测模型。研究与分析的结果:输入变量选用了5个土壤基本理化参数(土壤黏粒、粉粒、密度、有机质和全盐量),输出变量为Van-Genuchten模型的参数α、n,对土壤水分特征曲线Van-Genuchten模型的参数进行预测并取得良好的结果。所建立的支持向量机预测模型下,Van-Genuchten模型参数α、n的预测值与检验值的平均相对误差都小于4%,建模与检验样本都具有较高的精确度。研究成果有助于丰富黄土地区的土壤水分特征曲线理论研究。     

基于支持向量机的水资源开发利用

基于支持向量级模型良好的泛化能力，构建了区域水资源开发利用程度的支持向量机评价模型。针对评价标准，采用均匀分布随机函数，在三个标准间内插10个样本，形成共30个样本用于支持向量机的训练，实现了对西安市水资源开发利用程度的综合评价。实例研究表明，运用支持向量机分类模型进行区域水资源开发利用问题研究，评价结果合理、可靠，可以为区域水资源开发利用评价提供一种新的方法。     

基于支持向量机的植物图像分割

图像分割是计算机视觉领域的特别在小样本、高维情况下,具有较好的泛化性能.为此,以植物图像为例,结合数字图像处理技术,采用支持向量机法实现了植物叶片图像与背景图像的分割.实验证明,与传统的分割方法比较,该方法是高效和准确的.     

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。     

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。