组织支持感对建筑业农民工不安全行为的影响*

为对建筑业农民工的不安全行为进行科学有效的管理,探讨组织支持感、自我效能感与建筑业农民工不安全行为之间的关系,防止因建筑业农民工不安全行为造成的不安全事件发生,从组织行为学和计划行为学视角出发,以218名一线建筑业农民工为研究对象,通过构建结构方程模型进行实证分析。结果表明:组织支持感的3个维度均可直接对建筑业农民工的不安全行为产生负向显著影响,其中关心利益维度影响最大,工作支持维度次之;建筑业农民工的自我效能感在其组织支持感与不安全行为的负向关系中起到中介作用。     

污水处理中精确曝气控制的研究进展

针对污水处理环节的曝气能耗问题,概述了污水处理的精确曝气控制现状,并结合我国目前我国实际情况与国内外现有研究结果,介绍了精确控制的重要组成部分之一的控制器的原理,控制器主要包括模糊控制器、神经网络控制器、支持向量机等,总结了各控制器的优缺点及适用情况,旨在加强对精确曝气控制的认识、为现有污水处理中存在的复杂、多变、时滞等特性提供利用精确控制器解决问题的的思路。     

基于哨兵SAR数据和多光谱数据的水稻识别研究

水稻分布范围与面积监测可为水稻产量估算、农业水资源消耗和评价等提供科学决策依据。目前,对华北单季稻稻作区水稻识别的研究尚少,寻找一种适用该区域的水稻识别方法具有一定的研究价值。以天津为研究范围,以Sentinel-1和Sentinel-2为数据源,基于水稻后向散射系数时序变化特征和水稻不同生长期光谱特征,分别对研究区水稻进行了提取,并对两者的提取精度进行了比较。得出以下结论：(1)利用Sentinel-1移栽期、拔节期、抽穗期影像组合可识别水稻,水稻生产者精度和用户精度均在90%以上;(2)在水稻移栽期和成熟期,Sentinel-2近红外、短波红外和可见光红光等波段组合易识别水稻,水稻生产者精度和用户精度均在96%以上,成熟期B12+B8+B4波段组合效果最优;(3)基于水稻成熟期的Sentinel-2 B12+B8+B4波段组合,采用支持向量机法提取水稻是一种适用于华北单季稻的识别方法。运用该方法计算出研究区2016、2018和2021水稻种植面积分别为399.04、586.67和764.55 km²,5 a增加365.51 km²,符合天...     

基于组合赋权的混合粒子群优化支持向量机的岩爆倾向性预测

为有效预测岩爆灾害发生烈度,提出一种基于组合赋权的混合粒子群优化支持向量机(H-PSO-SVM)岩爆倾向性预测模型。根据岩爆发生机制,在分析岩爆发生的主要影响因素的基础上确定出评判指标;综合考虑模糊层次分析法(FAHP)所得主观权重和熵权法所得客观权重,应用调和平均数概念,构建组合赋权准则;引入遗传算法交叉、变异操作改进传统粒子群(PSO)极值跟踪和粒子更新方法,建立H-PSO-SVM岩爆倾向性预测模型。利用国内外已有工程实例数据进行50次随机抽样试验,对比分析H-PSO-SVM模型和PSO-SVM模型等预测结果。结果表明:H-PSO-SVM模型应用于岩爆工程实例预测具有可行性和适应性,模型预测的准确率高于其他模型,且预测结果更稳定。     

基于SVM的矿井通风阻力系数影响因素分析与预测

矿井通风阻力系数是通风安全最重要的基础参数之一,为了实现矿井通风阻力系数简单准确地预测,提出了利用支持向量机（SVM）来预测矿井通风阻力系数的方法。通过分析影响因子与矿井通风阻力系数的相关性关系,并利用MATLAB逐步建立单影响因素与矿井通风阻力系数、多影响因素与矿井通风阻力系数之间的SVM预测模型,对比分析各预测模型的相对误差,确定最佳矿井通风阻力系数预测模型,即当输入模型影响因素为巷道断面积、周长和支护方式时,预测相对误差小于10%的样本数占测试样本的76%,相对误差小于20%的样本数占测试样本的90%。结果表明:该预测方法在矿井通风阻力系数预测中是可行的,并具较高的准确性。     

采用支持向量机算法优化电化学处理油田污水的工艺参数

采用支持向量机(SVM)算法,将Box-Behnken设计法与支持向量回归算法(SVR)实验参数优化软件相结合,优化电化学去除油田污水COD的工艺参数。通过量子粒子群算法对SVM算法参数进行优化,从建立的回归模型中找到工艺参数的全局最佳点:电解时间60 min,电解电流3 A,三维电极填充料中石英砂质量695 g。模型得到的COD理论最优去除率为92.48%,验证实验得到的COD去除率为91.43%。     

基于布谷鸟搜索优化的光伏电站辐照强度预测

针对光伏电站日前小时短期辐照强度的预测准确性问题,且考虑到支持向量机的学习参数对预测模型的性能有较大影响,为进一步提高数据的预测精度,利用布谷鸟搜索算法对支持向量机的惩罚因子c和核参数g进行优化,提出了一种基于布谷鸟搜索算法和支持向量回归的组合预测方法。仿真结果表明:该方法大大提高了光伏辐照强度预测的准确性和精度,可行且高效,适用于光伏在线预测。     

基于支持向量机的地下水质量综合评价

提出基于支持向量机(SVM)机器学习算法的地下水质量评价模型。首先给出了训练样本生成和数据规范化处理的具体方法,然后采用支持向量机的多分类算法构建模型,并使用k折交叉核实方法对参数进行验证优化。最后通过实证分析,并与单因子指数法、模糊综合评价法和BP神经网络法的评价结果对比分析可知,该方法简便易行,评价结果客观且准确度较高,具有很强的实用性。     

基于主成分和粒子群优化支持向量机的水质评价模型

水质的评价是治理水污染必不可少的工作。为了准确、快速地对水质进行评价,利用主成分分析法从水质监测常见的多个物化指标提取出主成分,然后将主成分作为支持向量分类机的输入,利用历史数据进行水质评价训练并用粒子群算法优化参数,构造出水质评价模型,将从物化指标中得出的主成分代入此模型即可得到水质类别。最后,选取水质监测点实测数据进行试验,结果表明,模型的水质评价结果准确且稳定。