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.     

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。     

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。     

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。     

道路坡度测试方法试验研究

道路坡度是影响车辆安全行驶和稳定操纵的重要参数。提出了三种道路坡度的测试方法 ,搭建了基于GPS、VN100传感器和车身CAN控制器的汽车道路试验系统,并对试验结果进行误差分析。基于坡度阻力的方法,建立了滚阻系数、风阻系数、传动系效率3个未知系数的运动学非线性微分方程,根据实车滑行试验数据,利用Matlab求解出各阻力系数,并作为已知参数带入到汽车行驶方程式,计算出道路坡度。爬坡试验误差分析结果表明,基于GPS和VN100传感器的方法准确性较高,基于坡度阻力的方法坡度估计误差稍大,主要原因是坡度阻力方法中存在模型复杂和模型参数辨识精度低的问题,但都在7%以内,从而验证了这三种方法测试坡度的准确性和可行性,实际应用中可根据汽车工况选定。     

黑龙江省玉米产量变化的预测分析——基于支持向量机的实证研究

应用支持向量机(SVM)的算法进行黑龙江省玉米产量的预测研究,用1983-2010年黑龙江省玉米产量数据组成样本集,建立影响因素与玉米产量之间的SVM模型。利用SVM对输入和输出数据进行训练学习,逼近历史数据所隐含的函数关系,完成对新数据序列的映射关系,从而完成对未来年份玉米的预测,并与其它几种方法的预测效果进行比较。结果表明,应用SVM预测模型预测玉米产量的能力优于其他预测方法。     

基于支持向量机的机械系统多故障分类方法

提出了一种利用支持向量机(SVM)对机械系统故障进行分类的新方法；以二值分类为基础，开发了基于支持向量机的多值分类器。并以齿轮的多种故障分类为例，进行了实际应用验证。结果表明，该方法具有很好的分类能力和较高的计算效率，不需要对原始数据进行预处理就可达到满意的效果，可以满足在线诊断的要求，适合于机械故障诊断中的多故障分类。该方法的应用，为故障诊断技术向智能化方向发展提供了新的途径。     

基于粒子群寻优的支持向量机番茄红素含量预测

应用支持向量机(SVM)通过色差值对番茄果实番茄红素含量预测进行建模,解决预测过程受影响因素多、参数互相关联、难以建立精确模型问题。为提高预测精度,将SVM参数选择和输入变量的选取看作组合优化问题,通过赤池信息准则(AIC)构造组合目标优化函数,采用粒子群算法(PSO)进行目标函数搜索,提高了搜索效率。对采后储藏不同成熟度番茄进行的测量表明,所提预测建模算法在番茄红素的预测中具有良好的性能,为番茄红素的便捷、无破坏性测量提供了一种方法。     

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。     

基于支持向量机的玉米品种识别

选取郑单958、辽单565、京科25玉米品种作为研究对象,从玉米籽粒的数字图像中提取与玉米籽粒的颜色、形状、尺寸等有关的6个形态结构参数,利用支持向量机(SVM)算法进行训练识别,同时与BP人工神经网络(NN)方法进行比较,结果表明,SVM算法识别效率较高,达到92.3%.     

基于粗糙集与支持向量机的禽蛋蛋壳无损检

针对当前禽蛋蛋壳无损检测系统存在检测精度不高的问题,提出粗糙集和支持向量机相结合的方法进行分类器的设计.首先,基于粗糙集理论对特征参数集进行属性约简,在约简过程中,利用模糊C均值聚类算法对特征参数进行量化,并基于属性重要性的启发式搜索对条件属性进行约简;然后,在属性约简的基础上完成支持向量机分类器的训练,在训练过程中,通过交叉验证法对分类器模型参数进行了优化.实验结果表明该方法的分类准确率能够达到94.6%,具有良好的工程应用价值.     

支持向量回归机在水质预测中的应用与验证

以干旱区浅水湖泊乌梁素海的多年实测pH值为例,在分析支持向量回归机算法（ε-SVR）核函数选取的基础上进行了回归分析及预测,并与线性回归、BP神经网络、RBF网络等算法进行了比较。研究结果显示：：（1） 基于径向基核的支持向量回归机模拟效果优于其它核函数;（2）ε-SVR模拟结果与线性回归（LR）、BP神经网络和RBF网络等算法模拟结果相比,其拟合精度与预测精度均比其它三种方法要高。计算结果充分证明了支持向量回归机有较强的学习能力和泛化能力且该方法可以应用于水质预测研究。     

基于支持向量机的CVT压力传感器误差补偿

针对无级变速器(CVT)压力传感器测量误差较大的问题,提出了一种应用支持向量机(SVM)建立误差补偿模型的方法.在分析引起测量误差因素的基础上,确立了误差补偿模型的输入、输出基本结构;通过试验构建训练样本集,并完成误差补偿模型的训练,在训练过程中,通过遗传算法对模型参数进行了优化.试验结果表明,设计的误差补偿模型可以有效提高传感器的线性度,并可以把最大绝对误差从0.5 MPa降至0.15 MPa,显著提高了压力传感器的性能和测量精度.     

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...     

采摘机器人基于支持向量机苹果识别方法

针对目前苹果采摘机器人果实识别过程误差大、处理时间长等问题,应用支持向量机(SVM)方法对苹果果实进行识别.首先采用矢量中值滤波法对苹果彩色图像进行预处理,然后运用区域生长算法和颜色特征相结合的方法进行图像分割,最后分别对苹果彩色图像的颜色特征、几何形状特征进行提取,并用支持向量机的模式识别方法识别苹果果实.实验结果表明:支持向量机识别方法的识别性能优于神经网络方法;综合颜色特征和形状特征的支持向量机识别方法对苹果果实识别的正确率高于只用颜色特征或形状特征的正确率.     

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。