基于ARIMA与LS-SVM组合模型的飞行事故征候预测

应用差分自回归移动平均模型(ARIMA)和最小二乘支持向量机(LS-SVM)的组合模型,对某航空公司的月度事故征候万时率进行了预测分析。对2008—2016年某航空公司的事故征候、飞行小时、航空器数量等历史数据建立ARIMA模型,应用SPSS软件进行模型拟合,获得事故征候万时率的线性部分;随后利用LS-SVM分析ARIMA模型的残差,获取非线性部分,最终通过二者之和获得ARIMA+LSSVM组合模型。对2017年1—3月的月度事故征候万时率进行了预测,并用实际数据验证。结果表明:ARIMA(1,1,1)(1,1,1)12模型较好地拟合了事故征候万时率的历史序列,LS-SVM模型对残差的拟合获得了较好的精度;组合模型的短期(3个月)预测值与航空公司事故征候万时率的趋势完全一致,且预测精确度可接受。     

Streamflow Forecasting Using Singular Value Decomposition and Support Vector Machine for the Upper Rio Grande River Basin

The current study improves streamflow forecast lead‐time by coupling climate information in a data‐driven modeling framework. The spatial–temporal correlation between streamflow and oceanic–atmospheric variability represented by sea surface temperature (SST), 500‐mbar geopotential height (Z₅₀₀), 500‐mbar specific humidity (SH₅₀₀), and 500‐mbar east–west wind (U₅₀₀) of the Pacific and the Atlantic Ocean is obtained through singular value decomposition (SVD). SVD significant regions are weighted using a nonparametric method and utilized as input in a support vector machine (SVM) framework. The Upper Rio Grande River Basin (URGRB) is selected to test the applicability of the proposed model for the period of 1965–2014. The April–August streamflow volume is forecasted using previous year climate variability, creating a lagged relationship of 1–13 months. SVD results showed the streamflow variability was better explained by SST and U₅₀₀ as compared to Z₅₀₀ and SH₅₀₀. The SVM model showed satisfactory forecasting ability with best results achieved using a one‐month lead to forecast the following four‐month period. Overall, the SVM results showed excellent predictive ability with average correlation coefficient of 0.89 and Nash–Sutcliffe efficiency of 0.79. This study contributes toward identifying new SVD significant regions and improving streamflow forecast lead‐time of the URGRB.     

IWO-PSO-SVR算法在甲烷检测中的应用

提出一种入侵杂草算法改进的粒子群算法（IWO-PSO）用于支持向量机（SVR）算法来快速实时检测甲烷气体浓度系统,气体红外激光差分吸收法检测系统基于甲烷气体分子在1650nm处泛频光谱吸收带,结合可调谐二极管吸收光谱（TDLAS）与波长调制光谱（WMS）.选择半导体激光器瞬时输出光功率变化范围5.0~10.6mW,瞬时波长变化范围1650~1651nm,瞬时调谐频率范围0.0048~0.0115nm/mA;采集山东淄博某农场2019年3月份全天气体样本,随机抽取15组样本作为训练集,建立以光谱峰面积作为输入值与气体浓度作为输出值的IWO-PSO-SVR、SVR、PSO-SVR和PSO-BP定量分析模型,对测试集4种浓度的甲烷分别进行预测;结果表明,通过IWO-PSO-SVR定量分析模型效果最佳,4种甲烷浓度预测值与真实值相对偏差分别为0.115%、0.109%、0.131%、0.120%,均低于0.0014;相关系数分别为0.9987、0.9966、0.9899、0.9975均高于0.98;预测时间分别为1.35、1.54、1.35和1.33s,模型经过1000次训练对气体的检测精度为10^-5,与同类别检测系统相比,具有很强的理论研究价值和工程应用价值.     

基于小波分解和SVM的大气污染物浓度预测模型研究

针对大气污染物浓度的精准预测问题,运用小波分解将污染物浓度一维序列分解为高维信息,结合气象及污染物浓度数据,构建了基于小波分解的支持向量机预测模型.最后将模型应用于长沙市2018年PM_2.5和O_{3-8 h}的浓度预测.结果表明：①在其他参数不变的条件下,该模型在平均绝对误差（MAE）、平均绝对百分比误差（MAPE）、均方根误差（RMSE）、一致性水平（IA）和相关系数（R）指标上均优于未经小波分解的预测模型;②在考虑其他污染物对PM_2.5浓度的影响后,预测模型评价指标MAE、MAPE和RMSE分别减少了5.57%、9.91%和3.44%,有着更小的误差;③在考虑气象因素对O_{3-8 h}浓度的影响后,预测模型评价指标MAE、MAPE和RMSE分别减少了1.59%、3.54%和0.82%,同样也有更小的误差.由此可以看出,本文所提模型能够有效预测大气污染物浓度,为相关研究提供了方法参考.     

基于BP神经网络和SVR的Fund?o尾矿坝排水数据预测对比研究

针对尾矿库运行过程中安全预警问题,选取2015年巴西Samarco铁矿溃坝事故案例,研究BP神经网络和SVR方法在排水数据预测的适用性。综合分析了排水数据的复杂且非线性的特点,以库水位、降雨量和干滩长度为输入特征,采用上述2个模型对尾矿坝排水数据进行预测。研究结果表明:基于BP神经网络预测结果的最大相对误差不高于4.35%;基于SVR算法的最大相对误差不高于9.21%;Fundo坝的排水预测结果是可行的,BP神经网络的预测精度更高,而SVR模型的运算速度更快。研究结果可为矿山安全工作的快速响应和溃坝预警提供信息支撑和参考依据。     

基于支持向量机的管制疲劳检测模型研究

管制疲劳是影响民航安全的重大隐患,准确检测疲劳状态是进行疲劳预警、降低疲劳风险的关键。提出应用支持向量机模型融合多生理参数和眼动指标进行管制疲劳检测,通过MP150多导生理记录仪与眼动仪,采集模拟管制试验中正常与剥夺睡眠状态下被试的试验数据,同时记录其Karolinska疲劳等级和操作绩效。结果表明,RR间期、LF/HF、快慢波比值、PERCLOS和扫视速度均与管制疲劳呈较强相关,利用支持向量机融合五项指标构建管制疲劳检测模型,对于五级疲劳度的识别准确率为78. 1%,判断正常组与剥夺睡眠组的准确率为94. 2%。     

醇酚类化合物毒性的QSAR研究

化合物毒性与描述符通常呈现为非线性关系,量子化学计算的化合物分子描述符中包含诸多无关特征与冗余特征.最大相关最小冗余(m RMR)是应用较广泛的特征选择方法,但当前的m RMR对连续型因变量不适用,且存在相关性测度与冗余性测度不可比的缺陷.定量构效关系(QSAR)研究中因变量(毒性)与自变量(描述符)多为连续型变量,本文以非线性的距离相关系数(d Cor)取代线性的Pearson相关系数(R),在非线性条件下实现了相关性测度与冗余性测度可比,由此提出了新的特征选择方法 m RMR-d Cor.3个醇酚类化合物毒性QSAR数据集的分析表明,基于m RMR-d Cor选择特征的支持向量回归(SVR)模型独立预测Q2分别为0.954、0.941、0.981,明显优于参比模型与文献报道,m RMR-d Cor选择的多数保留分子描述符得到文献报道支持.m RMR-d Cor在化合物QSAR、定量构质关系等研究中有广泛应用前景.     

SVM application in hazard assessment: Self-heating for sulfurized rust

In order to assess the oxidation self-heating hazard of sulfurized rust, for particular ambient conditions in crude oil tanks, the support vector machine (SVM) technique is applied to predict the maximum temperature (T_max) of oxidation self-heating process. Five governing parameters are selected, i.e. the water content, mass of sulfurized rust, operating temperature, air flow rate and oxygen concentration in the respiratory/safety valve. The efficiency and validity of the SVM predictions are investigated in the case of two sets of data: more than 85 experiments performed in academic lab (China) and almost 17 additional results collected from existing literature. Two main steps are also discussed: the training process (on selected subsets of data) and prediction process (for the remaining subsets of data). It can be concluded that for both datasets the maximum temperature (T_max) values calculated by SVM technique were in good accordance with the experimental results, with relative errors smaller than 15% except for a few cases.The SVM technique seems therefore to be relevant and very helpful for complex implicit processes such as chemical reactions, as it is the case of the oxidation of sulfurized rust in oil tanks. Furthermore, such predictive methods can be continuously be improved through additional experiments feedback (larger databases) and can then be of crucial help for monitoring and early warning of hazardous reactions.     

公务员录用分配方案探讨

针对现行公务员录用分配制度存在的问题，通过细致的分析，探讨关于公务员录用分配的最佳策略．决策过程中以应聘者能力与各部门要求的偏差为标准，建立模型，且考虑所有应聘者的意愿时，分三种情况进行讨论：都服从志愿调配；都不服从志愿调配；既有服从调配的、又有不服从志愿调配的，使模型更接近实际情况．     

工业生态效率对PM2.5污染的影响及溢出效应

针对2004—2016年中国地级市工业生态效率与PM_2.5的时空关联特征和影响作用关系的研究表明：（1）工业生态效率与PM_2.5呈时空交错分布特征,PM_2.5高污染区连片分布于华北平原及长江中下游城市,工业生态效率高等级区集中分布于长三角、珠三角和环渤海经济区等沿海地市及中西部城市群内部分中心地市;（2）工业生态效率对PM_2.5的冲击表现出“U型”变化的负向累积效应,PM_2.5对工业生态效率的冲击则表现为“倒U型”变化的正向累积效应;（3）工业生态效率与PM_2.5呈稳定时空关联演化特征,高高关联类型区集中分布于京津冀城市群、山东半岛城市群和长三角城市群内大部分城市,低低关联类型区多分布于鄱阳湖城市群、关中城市群及西部地市;（4）工业生态效率对PM_2.5总体上具有显著且稳健的正向影响,但表现出明显的空间异质性,工业集聚水平、科技创新及城市绿化率起到显著负向影响,而城市规模、环保监督及产业结构系数影响并不显著。