基于支持向量机的应急预案动态优选方法研究

为了提高突发事故应急效率,针对事故发展的不同阶段对应急资源的需求,在群体决策方法的基础上利用支持向量机方法进行动态应急预案优选.首先利用专家对量化后的应急预案进行评价,通过向最拼接将其转化为等价的可用于分类的训练样本集,再应用标准支持向量机分类器对应急预案进行分类和排序,最后实现对应急预案的动态优选.研究表明,该方法充分利用了支持向量机方法的自学习能力,以应急过程中的动态需求为依据,可以实现动态的应急预案优选.     

福州乱鸣喇叭调查

新闻事件:乱鸣喇叭,每次罚款20元福州开展市区乱鸣喇叭专项整治3月17日,福州警方首次明确表示,将加强对市区乱鸣喇叭的交通违法行为开展整治,并提出新的查处方式,包括二人一组的骑警巡查执法、启用"现场执法记录仪"等。同时     

降低锅炉排烟温度的研究及应用

针对某公司热电厂2#锅炉排烟温度过高的问题,以锅炉综合测试和热力计算结果为依据,提出采用螺旋肋片管式省煤器以增加尾部受热面的方案。改造后的运行实践表明,锅炉在满负荷运转时排烟温度平均可降低40℃以上,热效率提高了2．27个百分点。     

浅析螺旋板式换热器在方便面食用油加热工艺中的应用

一、引言 在加热食用油工艺流程中,螺旋板式换热器是用高温热载体工质（导热油或蒸汽）快速提高煎炸油温度转换速率的专用热交换设备。该热工设备的合理选型和正确操作及维护是确保食用油达到工艺要求的煎炸温度,满足安全连续,保质、保量产出的关键环节。     

基于PSO-SVM算法的环境监测数据异常检测和缺失补全

针对环境监测数据异常和数据缺失问题,提出了基于支持向量机的粒子群优化数据异常检测和缺失补全算法。利用粒子群优化算法选取较优的支持向量机训练参数组合,以此建立非线性的支持向量机模型,并利用结果模型对测得的真实数据拟合预测。以宁夏回族自治区某污水处理厂的污染物测量数据作为实验数据,结果表明,利用该算法预测数据的准确率可达97.977%,检测异常数据准确度高,缺失数据补全正确。     

底质农残测定中固相柱净化体系的选择

使用固相柱对底质中的7种农残进行净化。结果表明,在相同淋洗条件下,使用氟罗里硅土柱比硅胶柱净化效果好。比较了不同溶剂体系、不同溶剂配比下2种萃取柱的净化效果,选择乙醚-正己烷(体积比1∶2)或丙酮-正己烷(体积比1∶4)作为净化溶剂,较小的收集体积都可满足所有目标化合物的回收率要求;相比较而言,丙酮-正己烷(体积比1∶4)作为净化溶剂,洗脱液的杂质干扰更小,净化效果更好。使用氟罗里硅土柱和丙酮-正己烷(体积比1∶4)对样品净化,方法简单,快速,净化效果好,适合大批量底质样品的前处理净化过程。     

PSO和SVM混合算法确定太湖入湖河流水质主要影响因子

以影响太湖入湖河流水质的24个因子值为研究对象,将PSO算法与SVM算法相结合。PSO算法用于优化SVM算法的参数c和g,以利于快速、高效地确定c和g的全局最优值;SVM算法基于最优的c和g,分别以24,21,18,15,12,9和6个因子作为特征向量预测水质的污染程度。结果表明,当特征向量为9个影响因子时预测率最高。其参数c=18.56,g=1.35,对应的预测率为：全局预测率92.59%,重度污染水质预测率88.89%,轻度污染水质预测率94.45%。因此,通过PSO和SVM混合算法,可以确定影响太湖入湖河流水质的主要因子,利用这些主要因子对水质进行预测预警,不但可以节省时间,而且可以得到精确的结果。     

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。     

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。