基于原型观测的梯级泵站管道振源特性分析

以景电二期3泵站2号输水管道为对象,结合原型试验观测数据,研究该类型泵站结构的振源组成及其对管道的影响。首先,对连接2号管道的4号、5号机组正常运行和开关机过程中引起的管道结构振动频率进行识别统计,确定其动荷载来源;然后,分析统计不同工况下管道结构主要部位达到峰值时各分频所占比例,计算不同工况下各频带能量对总能量的贡献率。计算结果表明:机组稳定运行时,叶频和转频倍频引起的振动比例达73.4%,是管道振动的主振源低频所占比例为12%左右;机组开机过程中,低频水流脉动所占比例增加到33.7%,叶频所占比例保持40%左右,叶频和低频是主要振源;机组关机过程中,低频水流脉动引起的振动比例达73.3%,水体-管道耦合引起的高频振动达21.7%左右,低频水流和高频是主要振源,且低频对管道顺水流方向振动影响较大。研究结果有助于从量级上评价管道振动的原因及引起振动的各分频贡献率,以期为管道结构主动控制和安全运行提供依据。     

基于细菌觅食优化算法的支持向量机在土壤墒情预测中的应用

[目的]对基于细菌觅食优化算法的支持向量机在土壤墒情预测中的应用进行探讨,为现代农业研究中土壤墒情预测及农业生产提供支持。[方法]基于支持向量回归机方法建立土壤墒情预测模型,利用细菌觅食优化算法优化支持向量机预测模型的相关参数。根据从种植区采集的田间数据对模型进行建模和测试。[结果]与仅利用支持向量回归机和利用粒子群优化的支持向量回归机分别建立的模型进行对比,发现本研究所提算法建立的预测模型的预测效果更佳。[结论]该模型预测效果较好,所建模型已应用于实际项目,预测精度基本满足要求,且运行稳定。进而证明了该研究所提算法的有效性和可行性。     

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。     

基于支持向量机的干旱预测研究

支持向量机（SVM）是基于统计学习理论的一种智能学习方法,可以用来解决样本空间的高度非线性的模式识别等问题。干旱是气候因子非线性复杂关系相互作用造成水分严重亏缺的一种气候异常反映,本文选择SVM方法,利用8月南方涛动指数、副高强度指数、极涡强度指数等15项因子,基于径向基核函数建立浙江省秋季的干旱预测模型,应用交叉验证方式确定最优模型参数,并进行了预测,对模型的检验结果表明,建立的干旱预测模型能直接对秋季干旱进行预测,并且有较高的准确率,可为气候预测从气候要素预测到气象灾害预测提供一种有效途径。     

基于传递熵的泵站管道振动传递路径特性分析

泵站管道因结构复杂,产生多种振源,且振动的传递路径难以确定,对输水管道的安全运行具有较大威胁。针对此问题,以某泵站管道为研究对象,结合原型观测数据与传递熵方法识别主振源的振动传递路径;并以信息传递率为定量标准,验证管道振动传递路径的有效性。结果表明：稳定运行及开机时,叶频引起的振动为主振源,并由弯管或三通管处向其他部位传递,其信息传递率均值分别为27.2%与42%;关机时,水流脉动及管-水耦合引起的振动为主振源,且振动主要在阀门与弯管或三通管之间呈周期性传递,信息传递率均值为51.4%;稳定运行时信息传递率较低,表明在镇墩控制下,管道稳定运行时传递能量较少,但开关机时,管道阀门、弯管及三通管处仍有较大振动能量传递。本研究方法受管道结构影响较小,能准确识别管道主振源,且从能量角度识别振动传递路径,相较于传统方法更加高效、直观。研究结果有助于准确识别泵站管道主振源的振动传递路径,展现管道各工况下的危险部位,并提出减振措施,为泵站管道运行管理提供理论依据。     

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。     

基于最小二乘支持向量机的中国粮食产量预测模型研究

粮食产量预测是制定农业政策的重要依据。针对农业生产系统的特征,在统计学习理论和结构风险最小化原理的基础上,建立了基于最小二乘支持向量机的时间预测模型。预测结果表明该模型具有较高的预测精度,为粮食产量预测提供了一条新的途径。     

适用于梯级泵站压力管道的传感器优化布置方法

为解决梯级泵站压力管道传感器优化布置问题,提出一种基于有效独立-总位移法的传感器优化布置方法。该方法针对有效独立法所选测点能量较小的缺陷,将测点的总位移以权重的方式加入传感器优化过程中,并保留有效独立法的优点,最终得到独立性较好且满足能量要求的测点。以景泰压力管道为例,运用该方法进行传感器优化布置,并与传统有效独立法比较,通过模态置信准则、Fisher信息矩阵值、最大奇异值比以及总位移等指标评价2种方法的优劣。结果表明,有效独立-总位移法得到的测点在满足独立性的前提下,增加了测点信息量,可观性更好。优化前后实测数据的比较分析,表明该方案对实际结构检测具有较好的适用性,是一种实用有效的传感器优化布置方法。     

基于支持向量机和BP神经网络的滑坡变形复合式预测

[目的]探讨复合式组合预测模型对滑坡两变形时间序列的预测效果,为滑坡的变形预测提供一种新的思路。[方法]基于支持向量机和BP神经网络,构建滑坡位移序列和速率序列的复合式预测模型,首先,对滑坡环境因素进行分析,提取其基本信息;其次,利用2种预测方法构建回归结构预测模型和多因素预测模型,并对两时间序列进行一重预测;最后,利用BP神经网络对一重预测结果进行了二重组合优化。[结果]滑坡库水位与滑坡两变形序列均具有较大的相关性,滑坡的稳定性很大程度上会出现周期性疲劳减弱的可能,且通过对滑坡变形的复合式预测。[结论]该方法的相对预测误差均较小,很大程度上提高了滑坡变形的预测精度和稳定性,证明了该预测模型的有效性。     

基于EEMD-SVM模型的北洛河上游径流预测

[目的]提高北洛河上游径流预报精度,为流域管理及水资源合理配置提供依据。[方法]以1971—2014年北洛河上游吴旗水文站实测径流资料为基础,采用EEMD-SVM耦合模型对吴旗站月径流序列进行了模拟预测,并与EEMD-ARIMA和EEMD-NAR两种耦合模型的预测结果进行对比。[结果]EEMD-SVM模型的平均绝对误差(MAE)和均方根误差(RMSE)最低,决定系数(R²)和纳什系数(NSE)最高。其中,相比于EEMD-ARIMA和EEMD-NAR模型,EEMD-SVM模型的决定系数(R²)分别提高了186.63%,49.49%。[结论]EEMD-SVM模型具有更高的预测精度和更强的非线性拟合能力,可以成功地应用于北洛河上游的月径流预报。同时,研究表明EEMD-NAR模型的预测性能高于EEMD-ARIMA性能。     

基于时空分解的梯级泵站输水系统运行效率计算方法与应用

针对大型串并联梯级泵站输水系统存在组成复杂性和运行动态性,难以对实时运行状态进行评价和优化的问题,提出了一种基于时空分解的串并联梯级泵站输水系统运行效率计算方法。在空间上将系统划分为并联系统、串联系统、泵站和输水子系统。在时间上将动态调度过程划分为若干个平衡状态,定量计算水力、水量损失等影响因素。基于能量传输、转化原理,将各变量进行归一化处理,依次建立泵站、输水子系统和串、并联系统运行效率表达式,可对各子系统及整体实时运行效率进行计算,并为后期系统运行效率优化提供了参考。结合2016年典型并联梯级泵站输水系统调度运行数据,对该方法进行了实践。结果表明,与传统运行效率计算方法相比,该方法在效率计算的实时性和全面性上有明显提升。不仅能够直观反映各级泵站实时运行情况,还可定量评估各输水渠道以及系统整体运行情况,有助于发现影响系统运行效率的薄弱环节,为实时调度提供参考。     

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。     

基于改进HHT的泵站管道工作模态辨识

为提高管道工作模态辨识精度,在希尔伯特-黄变换(Hilbert-Huang Transform,HHT)辨识基础上,发展奇异值分解(singular value decomposition,SVD)和经验模态分解(empirical mode decomposition,EMD)联合滤波技术与HHT时频域辨识结合的模态辨识方法。SVD-EMD联合滤除结构振动信号中的强噪声,凸显结构振动特性,有效避免了后期HHT参数辨识过程中虚假模态干扰,提高辨识精度和准确性。将该方法应用于景泰二期工程3泵站2管道的模态参数辨识问题中,建立该管道有限元模型并计算其结构动力特性。对比该文方法辨识结果、随机子空间辨识结果与有限元计算结果,该文方法辨识结果稍小于随机子空间辨识结果,与有限元计算结果更接近,其最大辨识误差为3.6%。研究表明,该方法能准确辨识管道频率,且有效降低管道结构背景强噪声。该研究可为管道安全运行和在线健康监测提供参考。     

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。     

基于最小二乘支持向量机的泵性能分析

泵的性能曲线是泵选型、优化调度和泵站运行的重要依据,通常该曲线均是通过试验或是根据试验数据和性能图表上的数据进行曲线拟合而获得,但这些方法复杂昂贵,而且拟合精度不高。针对以上方法的缺点,提出了一种基于交叉验证最优参数选择的最小二乘支持向量机（LSSVM）泵性能预测方法。通过最小二乘支持向量机（LSSVM）学习算法网络的设计和构建,并应用网络搜索－交叉验证的方法对支持向量机参数进行优化选择,模拟得到复杂和非线性很强的泵的性能曲线,经优化模型输出值和试验值、同多项式拟合值以及径向基神经网络误差的比较,交叉验证最优参数选择的最小二乘支持向量机具有优良的非线性建模能力和泛化能力,在有限学习样本条件下仍获得了很高的精度,平均相对误差为0.02378%,为泵的性能分析提供了一种简便可行的智能方法。     

基于随机粒子群算法的Van Genuchten方程参数优化求解

使用随机粒子群算法拟合土壤水分特征曲线并以此求解出Van Genuchten方程参数。通过算例与其他优化算法比较，结果表明：随机粒子群算法具有运算速度快，编程简单，初值无关性，全局收敛和计算精度高等优点，可以作为计算Van Genuchten方程参数的新方法。     

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。