检索结果-内蒙古大学图书馆

工程地质学报 2023年第1期31卷 60-67页

作者：钟鹏施斌郝瑞孙梦雅代亮魏广庆南京大学地球科学与工程学院中国南京210046 苏州南智传感科技有限公司中国苏州215123

主动加热光纤法(AHFO)可实现土体原位含水率的分布式测量,但受场地复杂环境的影响,现有含水率计算模型解译获得的测试结果容易发生较大误差。本文在试验研究的基础上,探究了土体干密度对AHFO法含水率计算的影响,并将支持向量回归(SVR)... 详细信息

主动加热光纤法(AHFO)可实现土体原位含水率的分布式测量,但受场地复杂环境的影响,现有含水率计算模型解译获得的测试结果容易发生较大误差。本文在试验研究的基础上,探究了土体干密度对AHFO法含水率计算的影响,并将支持向量回归(SVR)算法引入含水率的计算模型中,与传统计算模型进行了对比。研究结果表明:土体干密度是影响含水率计算模型精度的重要因素,干密度波动越大则传统计算模型的计算误差也越大,土体较高含水率下会降低计算模型的敏感性;与传统的含水率计算模型相比,考虑干密度影响的径向基核支持向量回归方法具有更高的计算精度,建议在含水率AHFO法的测试中推广应用。

关键词：土体含水率 AHFO法支持向量回归算法干密度

来源：评论

学校读者我要写书评

暂无评论

支持向量回归算法在深层页岩气储层总有机碳含量预测中的应用

支持向量回归算法在深层页岩气储层总有机碳含量预测中的应用

引用

作者：王宇鑫王波张峰李向阳中国石油大学(北京)

总有机碳含量(TOC)是页岩气储层甜点表征的重要参数,而通过地震正反演、地震岩石物理建模预测的总有机碳含量精度较低。通常,页岩具有很强的横向各向同性(TI)特性,并对地震有显著影响(Thomsen, 1986),因此地震甜点表征中的各向异性效应... 详细信息

总有机碳含量(TOC)是页岩气储层甜点表征的重要参数,而通过地震正反演、地震岩石物理建模预测的总有机碳含量精度较低。通常,页岩具有很强的横向各向同性(TI)特性,并对地震有显著影响(Thomsen, 1986),因此地震甜点表征中的各向异性效应不可忽略。本文利用深层页岩气储层实际测井资料分析了与TOC相关的敏感参数,结合各向同性与各向异性参数,利用支持向量回归(SVR)算法,建立了适用于深层页岩气储层TOC预测的模型。来自四川威远龙马溪组的实际测井资料测试验证了该算法的适用性,为深层页岩气储层地震甜点表征奠定了基础。

关键词：页岩气储层总有机碳含量 TOC 支持向量回归算法

来源：评论

学校读者我要写书评

暂无评论

风电变流器DC-Link电容器准在线状态监测方法

引用

高电压技术 2023年第1期49卷 373-381页

作者：朱城昊王晗高少亭陈文强高超蔡旭上海交通大学电力传输与功率变换控制教育部重点实验室上海200240 陕西鲁能靖边风力发电有限责任公司西安718500

DC-Link电容是风电变流器中最核心但又最易失效的元件之一,对其进行状态监测可有效提高系统运行的可靠性。该文提出一种风电变流器DC-Link电容器准在线状态监测方法。首先,利用预充电阶段的交流电流重构DC-Link电容器的直流充电电流;采... 详细信息

DC-Link电容是风电变流器中最核心但又最易失效的元件之一,对其进行状态监测可有效提高系统运行的可靠性。该文提出一种风电变流器DC-Link电容器准在线状态监测方法。首先,利用预充电阶段的交流电流重构DC-Link电容器的直流充电电流;采用二阶指数函数对电容器在预充电阶段的电压和电流波形进行精确拟合;取拟合函数的参数作为特征值,将实测的电容器状态参数(C和RESR)作为特征值对应的输出,并通过实验获得的样本数据,构建特征值与其输出的映射关系;最后利用多输出最小二乘支持向量回归算法对数据集合进行学习训练,建立特征值与电容器状态参数的回归模型。该方法无需增加额外传感器和改变变流器控制算法。实验结果验证了本方法的有效性。

关键词：风电变流器 DC-Link电容器状态监测预充电电路支持向量回归算法

来源：评论

学校读者我要写书评

暂无评论

基于多种神经网络的水沙预测模型研究

引用

武汉大学学报（工学版） 2023年第9期56卷 1057-1065页

作者：张明旺侍克斌孔选昭姚海坤新疆农业大学水利与土木工程学院新疆乌鲁木齐830052

为解决水沙变化机理中水库泥沙难以预测的问题,采用支持向量回归(support vector regression,SVR)、遗传算法-支持向量回归(genetic algorithm-support vector regression,GA-SVR)、粒子群优化-支持向量回归(particle swarmoptimization-supportvectorregression,PSO-SVR)、最小二乘支持向量回归(leastsquaressupportvector regression,LSSVR)等模型进行研究,并将模型应用于黑孜水库水文站的年径流量及年输沙量序列的预测分析。数据资料序列划分为85%的训练数据和15%的测试数据,使用均方根误差、相关系数、平均绝对百分比误差、纳什系数这4项指标来评价模型的精度,得到的结果可以为水库的短期调度和长期管理提供帮助。结果表明:LSSVR算法是4种模型中最优的,其误差最小,精度最高;构建的模型可为其他地区的水沙预测提供参考。

关键词：支持向量回归算法遗传算法-支持向量回归算法粒子群优化-支持向量回归算法最小二乘支持向量回归算法径流量预测输沙量预测

来源：评论

学校读者我要写书评

暂无评论

基于BSO-SVR的香蕉遥感时序估产模型研究

引用

农业机械学报 2021年第S01期52卷 98-107页

作者：张海洋张瑶李民赞李修华王俊田泽众中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083 广西大学电气工程学院南宁530004 河南科技大学电气工程学院洛阳471003

为了提高有限样本下遥感时序估产效果,本文提出一种基于BSO-SVR的香蕉遥感时序估产模型。该模型以广西壮族自治区扶绥县的71块香蕉田块为研究区,利用时间序列Sentinel-2遥感影像数据,结合实测产量数据,对2019—2020年香蕉产量进行预测... 详细信息

为了提高有限样本下遥感时序估产效果,本文提出一种基于BSO-SVR的香蕉遥感时序估产模型。该模型以广西壮族自治区扶绥县的71块香蕉田块为研究区,利用时间序列Sentinel-2遥感影像数据,结合实测产量数据,对2019—2020年香蕉产量进行预测与分析。融合阈值分割和形态学开操作方法,滤除香蕉关键生育期内遥感影像的厚云和云阴影区域;引入头脑风暴优化算法(Brain storming optimization algorithm,BSO)自动搜寻支持向量回归算法(Support vector regression,SVR)的最优惩罚因子和核函数参数,解决SVR模型的参数优化不足导致模型预测精度低的问题;搭建基于BSO-SVR的时间序列遥感估产模型,深入挖掘多时相遥感信息,以提升香蕉估产准确度。结果表明,相较于网格搜索算法(Grid search,GS)和灰狼优化算法(Grey wolf optimizer,GWO)搜寻SVR模型的最优参数,本文提出的头脑风暴优化算法具有更高的预测精度和更快的预测速度,在2019年和2020年BSO-SVR模型测试集的决定系数(Coefficient of determination,R;)分别为0.777和0.793,验证集R;分别为0.765和0.636,运行时间分别为0.320、0.331 s;与传统的岭回归模型(Ridge regression,RR)和偏最小二乘回归模型(Partial least squares regression,PLSR)相比,BSO-SVR模型的预测性能最佳,其次是RR模型,PLSR模型表现最差。本文提出的时序估产模型实现了香蕉田块产量的精准预估。

关键词：香蕉遥感估产时间序列头脑风暴优化算法支持向量回归算法

来源：评论

学校读者我要写书评

暂无评论

基于组合模型的高铁隧道围岩收敛变形预测

引用

东南大学学报（自然科学版） 2021年第5期51卷 851-858页

作者：李照众王浩畅翔宇张一鸣王飞球东南大学混凝土及预应力混凝土结构教育部重点实验室南京211189 中铁二十四局集团江苏工程有限公司南京210038

为提高围岩收敛变形预测精度,依托阳山高速铁路隧道,基于贝叶斯参数优化的经验模型预测收敛变形的趋势项,然后采用支持向量回归算法修正经验模型的预测结果,据此构建基于组合模型的高铁隧道围岩收敛变形预测模型.将均方误差和平均绝对... 详细信息

为提高围岩收敛变形预测精度,依托阳山高速铁路隧道,基于贝叶斯参数优化的经验模型预测收敛变形的趋势项,然后采用支持向量回归算法修正经验模型的预测结果,据此构建基于组合模型的高铁隧道围岩收敛变形预测模型.将均方误差和平均绝对百分误差作为评价指标,与同类型支持向量机回归模型的预测结果进行对比.结果表明,经验模型的预测值与目标值随时间变化的趋势一致,但对于数据中的波动部分,预测值与目标值存在较大偏差.误差修正模型较好地预测数据中的波动部分,对提高预测精度效果明显.在2组实测数据中,组合模型预测值的均方误差相较于经验模型降幅分别达到97.0%和93.4%,且较同类型支持向量机回归模型具有更高的预测精度.

关键词：隧道工程围岩收敛预测经验模型支持向量回归算法

来源：评论

学校读者我要写书评

暂无评论

基于支持向量回归模型的血压预测方法

引用

计算机技术与发展 2021年第12期31卷 161-166页

作者：吴晓姣吴礼发南京邮电大学计算机学院江苏南京210023

血压实时检测对于及时了解人体的心血管系统状态具有重要意义。传统的侵入式和袖带法的血压测量方式是以间歇式为主,不能满足血压实时检测的需求。针对目前血压检测方式的不规范以及血压预测方法的准确度低下等问题,提出了一种仅使用光... 详细信息

血压实时检测对于及时了解人体的心血管系统状态具有重要意义。传统的侵入式和袖带法的血压测量方式是以间歇式为主,不能满足血压实时检测的需求。针对目前血压检测方式的不规范以及血压预测方法的准确度低下等问题,提出了一种仅使用光电容积脉搏波的基于支持向量回归模型的血压预测方法。该方法仅使用人的光电容积脉搏波生理信号,对该信号消除噪声污染和周期划分之后,再对原始的光电容积脉搏波信号以及其一阶导数和二阶导数提取相关特征,并使用支持向量回归算法构建预测血压的模型。基于MIMIC III数据库的数据进行实验,结果表明该模型能有效预测人的血压值,在均值误差和均方根误差方面的表现优于现有的方法,同时血压预测值大多数都在96%的一致性范围内。

关键词：血压预测支持向量回归算法信号处理传感器光电容积脉搏波

来源：评论

学校读者我要写书评

暂无评论

基于人工智能的垃圾站称重预测模型研究

引用

南方农机 2024年第19期55卷 127-129页

作者：房亮夏战军宫渤海孔令伟陆作其董晓彤朱林海沃机械(中国)有限公司江苏扬州225000 扬州大学机械工程学院江苏扬州225001

由于垃圾中转站对垃圾重量的测量与焚烧厂实际测量的数值有所偏差,为了减小该偏差,通过智能算法对垃圾站的实际称重数值进行预测,以降低中转站垃圾测量与焚烧厂实际测量之间的误差。基于此,文章以在一个月内定期对垃圾中转站垃圾重量进... 详细信息

由于垃圾中转站对垃圾重量的测量与焚烧厂实际测量的数值有所偏差,为了减小该偏差,通过智能算法对垃圾站的实际称重数值进行预测,以降低中转站垃圾测量与焚烧厂实际测量之间的误差。基于此,文章以在一个月内定期对垃圾中转站垃圾重量进行测量得到的数据作为样本数据,通过三种智能算法对其进行预测,发现RF随机森林算法预测结果的准确率最高,高达99.70%,SVR支持向量回归算法次之,BP神经网络算法则较为一般。

关键词：随机森林算法支持向量回归算法 BP神经网络算法重量预测

来源：评论

学校读者我要写书评

暂无评论

卡尔曼滤波下激光雷达扫描大数据检测算法

引用

计算机仿真 2024年第6期41卷 15-18,166页

作者：郑冬花邓铭毅叶丽珠广州商学院信息技术与工程学院广东广州511363 广东工业大学广东广州511300

激光雷达扫描的不规则激光回波信号通过地面反射和空间传播,但是由于颜色较暗的粗糙物体表面反射率较小,信号易发生漫反射,大量反射信号被接收,会形成较大的接收噪声,导致激光雷达扫描大数据出现较大程度的异常。为此提出基于卡尔曼滤... 详细信息

激光雷达扫描的不规则激光回波信号通过地面反射和空间传播,但是由于颜色较暗的粗糙物体表面反射率较小,信号易发生漫反射,大量反射信号被接收,会形成较大的接收噪声,导致激光雷达扫描大数据出现较大程度的异常。为此提出基于卡尔曼滤波的激光雷达扫描大数据检测算法。利用卡尔曼滤波算法剔除激光雷达数据中的野值;基于此,建立数据硬性约束条件,获取数据流形规则,提取激光雷达数据特征;根据提取的特征,利用支持向量回归算法完成数据分类,实现激光雷达扫描大数据检测。实验结果表明,研究方法检测激光雷达扫描大数据时,查全率始终高于90%,查准率高于95%,平均耗时65.1ms,且以无人小车行驶轨迹的雷达数据为测试对象时,研究方法具有较高的检测精度,说明该方法的研究价值较高,应用效果更好。

关键词：卡尔曼滤波激光雷达大数据检测数据野值特征提取支持向量回归算法

来源：评论

学校读者我要写书评

暂无评论

基于ARIMA-SVR模型的轨道交通车辆关键设备检修偶换件数量预测

引用

城市轨道交通研究 2025年第3期28卷 246-251页

作者：王玥龙刘鹏姚伟君中国铁道科学研究院集团有限公司机车车辆研究所北京100081 北京纵横机电科技有限公司北京100094

[目的]准确预测轨道交通车辆关键设备检修偶换件数量,可为科学的备件管理提供依据,提高检修经济性。但是现有预测方法准确性不足,预测效果差,因此有必要针对检修偶换件数量预测问题进行深入研究。[方法]根据轨道交通车辆设备检修偶换件... 详细信息

[目的]准确预测轨道交通车辆关键设备检修偶换件数量,可为科学的备件管理提供依据,提高检修经济性。但是现有预测方法准确性不足,预测效果差,因此有必要针对检修偶换件数量预测问题进行深入研究。[方法]根据轨道交通车辆设备检修偶换件数据的特性,构建了检修偶换率(即偶换件更换比例)和检修量的月度时间序列。通过深入研究时间序列预测算法,并对比各类预测算法的效果,综合考虑准确性与泛化能力,提出了一种结合ARIMA(自回归综合移动平均法)与SVR(支持向量回归算法)的计算方法。首先利用ARIMA进行偶换率的预测,然后运用SVR进行检修量的预测,最后结合偶换率与检修量的预测结果来计算偶换件的预测数量。此外,还结合了ARIMA预测的置信区间与无监督聚类IForest(孤立森林)算法,提出了一种偶换率异常检测方法。[结果及结论]以高度阀和制动夹钳单元这两种典型产品的高级修数据为例,对所提出的预测方法进行了验证计算。结果表明,与现有的历史平均法相比,该方法的预测准确性得到了显著提升,并且能够有效地检测出历史和当前的检修偶换率异常情况。

关键词：轨道交通车辆偶换件自回归综合移动平均法支持向量回归算法孤立森林

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：