基于小波分解的日径流支持向量机回归预测模型

【目的】将小波变换与支持向量机结合,构建小波支持向量机回归模型(WSVR),并用其对日径流进行预测,为水库调度提供参考依据。【方法】利用径流时间序列中包含的大量信息,通过小波变换将径流时间序列分解成不同分辨率水平的子序列和近似序列,通过相关性分析选取有效子序列与近似序列相加得到的新序列作为支持向量机回归模型的输入,建立小波支持向量机回归耦合模型,以泾河流域张家山站的日径流为研究对象,利用均方根误差(RMSE)、平均绝对误差(MAE)、确定性系数(DC)、相关系数(R)及相对误差(RE)作为评价指标对模型预测精度进行评价。【结果】利用所建立的小波日径流支持向量机模型对张家山站日径流的预测结果显示,该模型在检验阶段的RMSE、MAE、DC、R及RE分别为26.05m3/s,8.26m3/s,0.826,0.910,-13.3%,与仅使用支持向量机回归模型(SVR)相比,耦合模型预测精度明显提高,且非汛期预测效果优于汛期。【结论】建立了小波支持向量机回归耦合模型,该模型可有效模拟和预测日径流,为日径流预测提供了新的途径。     

基于WA-SVM的水库溶解氧预测

【目的】提出一种基于小波分析-支持向量机(WA-SVM)的水库溶解氧预测模型,以期提高水库溶解氧的预测精度。【方法】通过小波分解,将原始复杂的溶解氧浓度序列分解到不同的高频和低频层次,对每层得到的分解重构序列分别采用支持向量机回归方法进行预测后,合成原始序列的预测值,将该模型应用到于桥水库溶解氧浓度序列的预测中,并与单独支持向量机(SVM)回归方法预测结果进行比较。【结果】WA-SVM方法预测精度较SVM方法有较大提高,其平均绝对百分比误差和均方根误差分别为0.04937和0.3453,而SVM方法的分别为0.08493和0.6319。【结论】WA-SVM方法综合运用了小波分析的多分辨特性和支持向量机的非线性回归功能,能够较准确地预测水库溶解氧浓度。     

KPCA_SVM水文时间序列预测模型的建立与应用

【目的】建立水文时间序列预测的核主成分支持向量机(KPCA_SVM)模型。【方法】利用核主成分分析(KPCA)对输入数据进行非线性特征信息提取,并将提取的特征信息作为最小二乘支持向量机(LSSVM)的输入变量,建立KPCA_SVM预测模型。以甘肃民勤地区的月蒸发量为例,对模型的预测效果进行检验。【结果】预测结果表明,KPCA_SVM模型预测效果优于PCA_SVM模型和LSSVM模型,预测平均相对误差为8.36%。【结论】KP-CA_SVM模型的预测效果优于没有特征提取的LSSVM模型。与主成分分析(PCA)提取特征相比,KPCA特征提取效果更好。     

混沌-支持向量机模型及其在地下水动态预报中的应用

【目的】建立混沌时间序列的支持向量机预报模型,为地下水动态提供新的可行的预报方法。【方法】以重构相空间理论为基础,探讨了混沌时间序列的支持向量机预报模型的建模思路、特点及参数的选取,借助G-P算法、C-C方法和Wolf方法,计算了武威盆地3眼观测井地下水位埋深序列的Lyapunov指数,并利用自适应方法对支持向量机的参数进行了选择;基于高斯径向基核函数,建立了混沌时间序列的支持向量机预报模型。【结果】武威盆地地下水位埋深序列的Lyapunov指数均大于0,表明该时间序列具有混沌特性;所建立的混沌-支持向量机模型可以用于武威盆地地下水位埋深预报,经过检验,武威盆地3眼观测井的预报精度分别为0.98,0.92和0.86,表明建立模型预报精度较为理想。【结论】建立了混沌-支持向量机模型,该模型可用于地下水位埋深动态预报。     

基于神经网络方法和支持向量机的西安市水资源需水预测

【目的】建立精度更高的需水量预测模型,为水资源规划管理提供理论依据。【方法】建立基于神经网络方法和支持向量机的需水量预测模型,以西安市需水预测为例,对2种预测模型的预测结果进行了比较。【结果】利用建立的径向基函数神经网络需水预测模型,得到西安市2010和2020年的需水量分别为32 485.65,48 180.43万m3;采用支持向量机模型能全面考虑影响需水预测的各种因素,预测西安市2010和2020年的需水量分别为32 488.03,48 184.41万m3。【结论】基于神经网络方法和支持向量机方法的需水量预测模型均可全面反映需水量的变化规律,两者预测结果十分接近,均可用于需水量的精确预测。     

支持向量机在卷烟配方原料分组中的应用

【目的】解决卷烟原料分组过程中多类质量指标分组结果不一致的问题。【方法】引入支持向量机对多类质量指标分组结果一致的样品进行学习,建立模型并用于分歧样本的归属判别。【结果】引入支持向量机能够很好地预测分歧样本的归属,通过建模、参数寻优,并进行4折交互验证后,获取最佳的c值为2,g值为0.5,建模对训练集预测效果为100%,使用该方法分组后模块间感官质量和挥发性香味物质差异明显,模块间感官质量差异大于其他依靠单一属性进行的分组。【结论】支持向量机用于卷烟配方原料分组能有效强化各叶组配方模块的功能特性,具有更好的科学性,为卷烟配方原料分组提供了理论参考。     

基于支持向量机的DNA序列分类系统的设计与实现

针对传统统计方法进行DNA序列分类时要求DNA序列样本的概率分布函数已知，但多数情况下概率分布函数未知这一问题，采用支持向量机这一新的机器学习方法对DNA序列进行分类；以VB和Matlab为主要工具开发了基于支持向量机的DNA序列分类系统。结果表明：该系统能够动态选择DNA训练样本、待测试样本．以及支持向量机模型中的参数，并根据用户的指定条件动态输出计算结果；对于预测一批已知正确分类答案的DNA序列，系统能够自动统计识别率，以观察参数变化对于算法执行结果的影响。支持向量机能够在概率分布函数未知的条件下对DNA序列进行分类。     

基于GA-LSSVM的苹果糖度近红外光谱检测

【目的】结合遗传算法和最小二乘支持向量机(GA-LSSVM),优化苹果糖度近红外光谱检测的数学模型,提高模型的检测精度和稳定性。【方法】在GA-LSSVM模型建立过程中,采用遗传算法自动获取最小二乘支持向量机的最优参数。【结果】相比于偏最小二乘法(PLS)、传统最小二乘支持向量机(LSSVM)和遗传偏最小二乘法(GA-PLS)数学模型,GA-LSSVM法建立的模型预测效果最优,模型的相关系数为0.94,预测均方根误差为0.32°Brix。【结论】GA和LSSVM相结合的优化方法在提高苹果糖度近红外光谱检测精度和稳定性方面是可行的。     

大白公猪精浆外泌体miRNA表征鉴定及功能分析

【目的】精浆外泌体(Seminal plasma exosome,spEX)在精子成熟、凋亡、受精中起着至关重要的作用。本文旨在探究种公猪spEX miRNA表达及miRNA在精子成熟及功能维持过程中的潜在调控作用。【方法】提取大白公猪spEX并进行电镜分析、粒径分析、标志性蛋白表达分析和miRNA高通量测序。【结果】成功分离出spEX，利用miRNA测序共鉴定出329个spEX miRNA。对高表达miRNA进行靶基因预测和功能富集分析，结果表明spEX miRNA在射精、P53信号通路、前列腺癌、细胞对DNA损伤刺激的反应、负调控凋亡过程、顶体膜结合、受精等通路中均发挥了潜在调控作用。【结论】本研究为spEX miRNA在调控精子活力和精子受精作用方面提供基础数据，并为精液保存调控机制的研究提供参考。     

支持向量机在地下水水质评价中的应用

【目的】针对地下水水质评价中影响因素的模糊性和各因素与评价等级之间的不确定性等问题,采用支持向量机模型进行地下水水质评价研究,改进地下水水质评价方式。【方法】应用非线性支持向量机模型中的分类支持向量机,选用Gauss核函数,以羊毛湾灌区部分水井的水质资料为研究对象,进行地下水水质评价,并利用综合指数法和BP人工神经网络法对评价结果进行验证。【结果】羊毛湾灌区水质评价结果显示,该区地下水资源已被污染,需要进行保护性开发。3种方法的评价结果较为相似,但相较于综合指数法,支持向量机计算速度较快,易于通过计算机实现;相较于标准BP人工神经网络模型,支持向量机的评价精度较高,收敛速度较快,且所需参数较少。【结论】支持向量机能将复杂的非线性问题转化为线性问题,从而有效地避免过学习问题,并且拥有极大的泛化能力和对小样本问题的处理能力,可有效提高地下水水质评价精度,简化评价过程,为地下水水质评价提供了一条新思路。