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.     

基于主成分分析和遗传支持向量机的发动机故障诊断

为了实现发动机故障的快速实时诊断,提出一种基于主成分分析（PCA）和遗传支持向量机（GA-SVM）的发动机故障诊断方法。该方法利用振动信号经小波变换和主元分析来提取故障特征,以减少信号的冗余。针对人为选择SVM参数的盲目性,应用遗传算法优化其参数,并与BP神经网络（BPNN）比较。试验结果表明：GA-SVM比BPNN具有更强的分类识别能力,小样本故障诊断正确率达100%。     

基于主成分分析和遗传支持向量机的发动机故障诊断

为了实现发动机故障的快速实时诊断,提出一种基于主成分分析（PCA）和遗传支持向量机（GA-SVM）的发动机故障诊断方法。该方法利用振动信号经小波变换和主元分析来提取故障特征,以减少信号的冗余。针对人为选择SVM参数的盲目性,应用遗传算法优化其参数,并与BP神经网络（BPNN）比较。试验结果表明：GA-SVM比BPNN具有更强的分类识别能力,小样本故障诊断正确率达100%。     

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。     

基于主成分分析和粒子群算法优化支持向量机的冻融土壤蒸发预报模型

在季节性冻融期,影响土壤蒸发的因素颇为复杂,准确估算冻融土壤蒸发量对土壤水资源的高效利用具有重要意义。根据2017-2018年冻融期大田试验数据,选取太阳辐射(x_1),日平均气温(x_2),地表土壤温度(x_3),地表土壤含水率(x_4),风速(x_5),气压(x_6),相对湿度(x_7),降水量(x_8),水面蒸发量(x_9)等9个影响冻融土壤蒸发的因素,采用主成分分析法和粒子群算法优化的支持向量机建立了冻融土壤蒸发量的预报模型。结果表明:所建立的基于主成分分析和粒子群算法优化支持向量机的冻融土壤蒸发预报模型,预测值和实测值的决定系数达0.951 3,平均相对误差为9.870 4%,可较好地用于冻融土壤蒸发量的预报。     

基于核主元分析和支持向量机的电梯故障识别

由于国家经济的迅速发展,高楼大厦如雨后春笋般涌现,随之而来的电梯应用也越来越广泛,近年来,由电梯对人身安全造成的伤害也屡见不鲜,因此,人们对电梯乘坐安全也提出了更高的要求。电梯是由不同的机构组成的,内部构造非常复杂,其产生的故障也极其隐蔽,仅仅通过人力来排除故障是远远不够的。本文将核主元分析与支持向量机两种方法结合起来,分析采集到的电梯振动信号,能对故障信号进行很好地识别。     

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。     

基于支持向量机的叶绿素荧光预测光能利用效率研究

基于激光诱导叶绿素荧光光谱分析技术,提出了一种基于支持向量机理论的光能利用效率预测方法。同步采集黄瓜叶片的叶绿素荧光光谱、净光合速率和光合有效辐射,选取500~800 nm波段的叶绿素荧光光谱作为研究对象,首先对原光谱进行SG-FDT预处理;其次对预处理的光谱采用PCA方法提取特征值,根据累计贡献率选取前10个主成分代替原光谱信息;最后通过支持向量机建立光能利用效率预测模型。通过对惩罚系数C和核函数参数g的大量测试,最终确定C为0.031 25、g为1,并利用60个训练样本对模型进行训练。10个测试样本的预测结果表明,测试样本的平均误差为8.94%,具有很好的预测效果。     

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。     

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PCA—SVM的棉花出苗期杂草类型识别

为了实现棉田中不同类型杂草的机器视觉识别,提出基于主成分分析和支持向量机的棉花出苗期杂草识别方法。该方法通过提取棉田图像中棉花和杂草的颜色、形状、纹理等特征,并利用主成分分析(PCA)降低特征变量空间维数,结合支持向量机,实现对棉田杂草类型分类。通过120个棉花杂草测试样本分类试验结果发现,经PCA降维得到的前3个主成分分量能有效减少支持向量机的训练时间和提高分类正确率;通过对比发现前3个主成分分量与径向基核函数支持向量机相结合效果最好,其训练时间为91 ms,平均分类正确率达98.33%。     

基于主成分分析和熵权的六盘水水资源安全演变

采用主成分分析提取影响水资源安全变化的主因子,利用熵值法确定简化后各新指标的权重,最后计算水资源安全综合评价指数。以六盘水市为例,分析了其8a的水资源安全的变化情况,探讨该区水资源安全的变化规律及其驱动因素,以便为六盘水市水资源的合理年际调配利用提供借鉴,以指导六盘水的可持续发展。     

基于主成分分析法对乌鲁木齐河水质的综合评价

以乌鲁木齐河具有代表性的4个监测断面为例,选取2006年7个指标监测数据（pH值、溶解氧、高锰酸钾指数、五日生化需氧量、氨氮、石油类、挥发酚）。运用主成分分析方法、结合统计软件MATLAB7.0进行分析计算、以乌鲁木齐2006水质监测数据综合评价乌鲁木齐河,结果表明,基于各断面主成分得分排序,高家户桥得分最高是污染最严重的断面,且高锰酸钾指数、五日生化需氧量、石油类是主要污染指标。综合评价可以精确乌鲁木齐河污染指标,划分严重污染区域,为治理乌鲁木齐水环境提供理论依据。     

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。     

川中丘陵区农业水资源高效利用综合分区

基于＂水-水文循环-生态环境变化＂这一关键性农业生态系统环境要素,结合水的资源属性和水资源的高效利用内涵以及生产力水平、土地利用方式、种植结构、种植模式等几方面,选取构建川中丘陵区农业水资源高效利用综合分区指标体系（16个定量指标、4个定性指标）,采用主成分分析和模糊C-均值聚类算法为区划方法,对川中丘陵区进行量化分区...