利用数据挖掘方法探索流域尺度气象干旱预报的研究

基于提高流域尺度的区域中长期气象干旱预报的准确度的考虑,采用支持向量机(SVM)和数据处理组合方法(GMDH)两种数据挖掘方法来识别时空气象相关性,并对这两种数据挖掘方法用于预测流域尺度的气象干旱预报性能进行对比。采用标准化降水指数(SPI)作为气象干旱严重度指数。采用颗粒群优化方法 (PSO)对两种数据挖掘方法GMDH和SVM模型进行优化。通过仿真实验表明,GMDH模型具有更好的预测稳定性,而SVM模型具有更好的预测准确度。     

基于支持向量机-小波神经网络的PM_(2.5)预测模型

近年来我国多地区雾霾天气频发,针对PM_(2.5)浓度变化的非线性、时变性等特点,建立了基于支持向量机-小波神经网络(SVM-WNN)的组合预测模型。采用网格搜索算法对SVM的参数进行优化,利用优化后的模型进行初始预测,并结合WNN强大的非线性拟合能力的特点对其预测残差进行修正。以石家庄市每小时监测的PM_(2.5)浓度数据为样本建立模型并进行预测,结果表明,组合模型预测的平均相对误差为7. 2%。对比单一模型,组合模型的预测的效果更好,这也为短时PM_(2.5)浓度预测提供一个新的方法。     

支持向量机在水质遥感中的应用初探

支持向量机(Support Vector Machine)是建立在统计学习理论基础之上,研究有限样本情况下的机器学习问题的一种新方法,该方法在解决小样本、非线性问题中具有许多优势.本研究以现场监测和MODIS遥感数据为基础,应用SVM方法构建出太湖叶绿素a的反演模型,研究表明,该方法在水质遥感领域的应用具有良好的可行性和有效性,其预测结果也与太湖叶绿素a的实际分布相吻合.     

基于相关向量机模型的腐蚀声发射信号识别

相关向量机(RVM)模型的分类性能与其核函数参数的选择有密切关系。本文分别利用人工蜂群算法(ABC)、粒子群算法(PSO)和遗传算法(GA)寻找相关向量机模型的最优参数,对几种方法的寻优性能进行了对比。采用基于二叉树结构的一对多扩展方法,对二分类相关向量机模型进行了扩展,建立了四分类模型。基于该分类模型对罐底腐蚀声发射信号进行识别,将声发射特征参数和频域参数作为模型的输入参数,获得了较好的识别结果。     

煤与瓦斯突出预测的GA-SVM模型及应用

为了对煤与瓦斯突出进行有效预测,将遗传算法和支持向量机相结合,提出煤与瓦斯突出预测的GA-SVM模型。以我国典型的煤与瓦斯突出煤矿15个实例为样本,以交叉验证准确率作为遗传算法的适应度函数,搜索得到径向基核SVM最优惩罚因子C=28.8786、宽度函数σ=0.16508,利用最优参数建立煤与瓦斯突出预测GA-SVM模型进行预测,结果与实际完全一致。应用该模型对云南恩洪煤矿8个突出实例进行预测,并与单项指标法、综合指标法和BP神经网络进行比较。研究结果表明,煤与瓦斯突出预测GA-SVM模型具有较高的可靠性和精确性,能对煤与瓦斯突出进行有效预测。     

环境风险预测数学模型

本文基于环境风险预测分析的基本思想,应用模糊图、灰色系统、非线性回归、随机过程和可靠性系统工程理论和方法,探讨了环境风险预测的数学模型。给出了环境风险预测的双向模糊图模型、灰色马尔夫预测模型及非线性回归模型,这些模型的应用为环境风险评价和环境风险管理提供了科学依据。     

硫化矿石自燃倾向性评价的SVM识别模型

为了准确地评价硫化矿石的自燃倾向性,应用Logistic回归分析理论分析主要矿物及其含量、氧化速度常数平均值、自热点、自燃点4项指标与硫化矿石自燃倾向性等级之间的关系,选取氧化速度常数平均值和自热点作为特征指标,建立硫化矿石自燃倾向性评价的支持向量机(SVM)识别模型;以14组硫化矿自燃倾向性实测数据作为学习样本进行训练,建立相应的分类函数;利用回代估计法进行回检,再利用训练好的模型对6组现场实测样本的硫化矿石自燃倾向性进行识别。结果表明:对硫化矿石自然倾向性等级分类产生主要影响的指标是氧化速度常数平均值、自热点,建立的分类方程具有良好的预测效果,而主要矿物、含量和自燃点与分类关联性不大。     

车辆排气噪声品质的支持向量回归预测

通过比较法测试得到38种车辆噪声的满意度评价,考察并选取五个参数作为描述车辆排气噪声声音品质的客观心理声学参数,应用支持向量回归机建立了客观心理声学参量与车辆噪声声音品质之间的预测模型,对排气噪声的满意度进行了预测,在相同的训练与测试样本集下,与多元线性回归模型预测结果进行了对比。结果表明,支持向量回归的预测值更接近实验值,平均绝对百分误差(3.12%)和均方根误差(0.65)都比多元线性回归(8.83%)和(1.99)的都小,相关系数高达0.99,预测精度更高,误差在8%范围以内,能更好反应客观参数与主观满意度间的非线性关系,是一种预测车辆噪声声音品质的有效方法。     

基于支持向量机和树叶磁学的大气颗粒物浓度模拟

在南京市仙林地区采集桂花、雪松及女贞树叶,测试其磁学参数,分析大气颗粒物浓度与树叶磁学参数、气象数据的相互关系,使用支持向量机方法构建大气颗粒物磁学评估模型。结果显示,雪松树叶的质量磁化率(χ)、饱和等温剩磁(SIRM)和非磁滞剩磁(ARM)值最高。3种树叶在夏季和秋季富集了相对较多的细磁畴磁性颗粒物,而在春季和冬季富集了相对较多的粗磁畴磁性颗粒物。PM_(10)和PM_(2.5)浓度与风速、温度和湿度之间显著负相关,与大气压显著正相关;与3种树叶的磁学参数显著正相关,且与χ和SIRM的相关性高于ARM,其中与桂花树叶χ、SIRM的相关系数均高于0.560。将"树叶磁学参数+气象数据"作为输入因子的支持向量机模型对PM_(2.5)浓度的模拟效果较好,将"树叶磁学参数"作为输入因子的模型对PM_(10)浓度的模拟效果较好,模型误差都在可接受范围内。     

支持向量机在污水处理厂出水COD预测中的应用

随着城市化的进行和经济的快速发展,城市居民用水量呈逐年递增趋势。城市污水处理过程中由于水力停留时间过长等,难以实时掌握污水水质情况。化学需氧量（COD）是衡量污水水质的重要指标之一,通过有效监测出水COD的波动,可实现污水处理过程在线管控。通过收集某城镇污水处理厂进水、出水历史数据（COD、pH、溶解氧、氨氮等）,利用支持向量机SVM(Support Vector Machine)、K近邻算法（K-Nearest Neighbor,KNN）等人工智能算法建立数学预测模型,实现了对出水COD指标的有效预测。     

列车用温度传感器线缆的老化研究及寿命评估

采用热失重分析(TGA)法研究了列车用温度传感器所用线缆材料(聚烯烃、三元乙丙橡胶)的热分解特性,并计算出材料的热分解活化能,据此建立了材料的热寿命方程,并结合列车运行的实时轴温监测数据对线缆的实际使用寿命进行评估,为评价温度传感器产品的长期可靠性提供参考数据.     

基于响应面法的机械可靠性设计与仿真方法研究

为研究机械结构可靠性设计与仿真方法。本文基于应力-强度干涉模型,应用响应面法(RSM),充分考虑结构分析中各参数的随机分布特性,利用ANSYS-PDS模块对法兰进行结构可靠性仿真。仿真结果显示,在进行10000次循环模拟计算后,法兰的结构可靠度为92.9%,灵敏度分析显示屈服极限与压力对可靠性影响最大。证明基于响应面法的可靠性分析方法为机械结构优化及可靠性计算提供指导,具有一定的工程应用价值。     

基于生成对抗网络的强对抗控制模型可靠性分析方法

基于生成对抗网络的在强对抗控制建模技术方面得到了更为广泛的重视,目前已在即时战略游戏中得到应用,预期未来在军事无人化集群装备控制方面也将得到应用.基于生成对抗网络方法,建立集群强对抗模型,在此基础上进行了可靠性仿真计算,探讨建立可靠性参数与控制模型性能的方法.提出在建立强对抗模型时,同时考虑可靠性约束的网络优化进行.     

间隔阈值的多元经验模态分解电磁信号去噪

传统小波分解去噪需要先验知识,缺乏自适应性,将多元经验模态分解间隔阈值(Multivariate Empirical Mode Decomposition,MEMD)滤波方法用于电磁泄漏信息预处理。首先对电磁泄漏信号进行对齐处理。然后,针对多元经验模态分解直接阈值滤波产生的不连续性问题,提出采用MEMD间隔阈值滤波方法进行不相关模态滤波,解决传统经验模态分解的模态混叠问题。最后,分别采用巴特沃斯低通滤波、小波阈值、MEMD-DT和MEMD-IT方法对密码芯片电磁泄漏数据进行去噪处理,通过基于最小二乘支持向量机分类识别,实验结果表明该自适应去噪方法的优于传统的电磁侧信道分析预处理方法。     

弹上火工品可靠性评估方法分析

准确评估弹上火工品可靠度,对掌握弹上火工品可靠性水平和全弹可靠性评估起着至关重要的作用。本文根据弹上火工品试验数据特点,将可靠性评估方法归纳为成败型和连续型。针对成败型数据特点,研究了基于大样本量的二项分布法和基于小子样的最大熵试验法。针对连续型数据的特点,研究了应力—强度干涉模型中单一参数服从正态分布且其他参数为定值的计量法,双参数服从正态分布的应力—强度干涉模型及基于基准设计许用值和可靠性的安全系数法。通过分析上述方法的特点,介绍了可靠性评估方法的应用范围。     

基于业务的网络可靠性试验流量生成方法研究

网络的发展从仅关注速度的提升转移到关注业务的交付能力,由此网络可靠性问题越来越受到研究者的重视。网络可靠性试验是评价网络可靠性的一种重要手段,而试验流量的生成对可靠性评价结果具有决定性的影响。然而目前从可靠性角度对网络进行试验时,对任务的描述较为简单,无法支撑由客户需求分解到网络流量生成的全过程;从流量模型角度出发的生成技术则仅关注全网流量,难以支持可靠性试验中的流量生成。本文提出基于业务的混合模型的流量描述方法,并使用软件实现,最后进行试验验证所提出方法的有效性。     

随钻测量仪可靠性建模与评估方法

随钻测量仪(MWD)是随钻测井的关键设备,其可靠性高低对测井的效率有重要的影响。本文提出了随钻测量仪可靠性建模与评估方法。该方法通过采集随钻测量仪故障数据,分析初始累积分布函数图趋势,选择初始分布模型,并应用参数估计、拟合优度检验等检验模型拟合效果,最终确定产品寿命分布,实现对产品可靠性的建模与评估。实例分析表明,该方法简便有效,在一定样本量条件下,可作为随钻测量仪可靠性建模与评估的有效手段。     

生态系统服务的三元价值理论及在大尺度生态补偿上的应用探讨

传统的生态系统服务价值评估方法在生态补偿具体实践中仍存在一些困境。本研究提出生态系统服务功能的三元价值理论,通过能值方法剥离纯自然贡献带来的服务价值、自然贡献和人类投入共同作用形成的服务价值及基于人类偏好的存在价值这三类价值,通过自然贡献可以确定生态补偿的理论基线,而人工投入(基于人类投入绩效的支付)和存在价值(基于偏好的支付)可对基线进行二级修正,进一步提出了利用三元价值理论系统解决"生态系统服务—受益区—补偿方式—补偿标准—受偿主体"问题的生态补偿路径。     

基于向量加权算法优化ELM的变压器故障诊断

针对变压器设备,传统故障诊断方法的准确率与诊断效率难以满足当前的需求。本文提出了一种基于向量加权算法（INFO）优化极限学习机（ELM）的变压器故障诊断算法。在标准测试函数中选择3个测试函数对INFO算法进行寻优性能的测试,并与粒子群优化算法（PSO）、万有引力优化算法（GSA）、正余弦优化算法（SCA）和灰狼优化算法（GWO）进行了对比,经过测试验证INFO算法相较于其他优化算法具有更高的寻优性能。并使用INFO算法对ELM中初始输入权值和偏置进行优化,搭建基于油中溶解气体分析（DGA）的INFO-ELM变压器故障诊断分类模型,并与SVM、ELM、PSO-ELM、SSA-ELM、GWO-ELM故障诊断模型进行对比。结果表明,INFO-ELM故障诊断模型的综合准确率为98.71%,相对于上述对比模型分别提高了21.61%、16.87%、11.65%、10.36%和11.06%,本文提出的INFO-ELM变压器故障诊断模型具有更优良的故障诊断能力。     

基于软件无线电的飞行CNS信号模拟可靠性研究

本为了加强飞行航空器的安全性、提高飞行信号模拟的可靠性,提出基于软件无线电的飞行CNS信号模拟可靠性研究方法。以安全间隔和碰撞风险作为CNS信号模拟可靠性研究的基础,构建基于PCI总线的软件无线电平台,使CNS信号完成自适应调配。针对飞行下的高动态环境,利用振荡器频率误差对信号的影响,构建CNS高动态信号模型,使用接收信号幅值进行信噪比调配,保证在飞行时以最短时间对信号进行有效捕捉及追踪。同时解调接收方本地载波,补偿相应的频率误差,转换低频率载波信号,提高信号抗干扰能力。并将两架飞机的水平间隙作为碰撞条件,通过CNS信号参数估算出飞行的定位偏差,以此获得碰撞风险,判断出信号模拟的可靠性。仿真实验证明,所提方法可以大幅提升飞行的稳定性,降低事故发生概率,具备较强的实用价值。