支持向量机回归在臭氧预报中的应用

采用南京工业区2016年5月20日~8月15日这一高臭氧（O₃）期的O₃、O₃前体物和常规气象资料数据,利用支持向量机回归（SVMr）方法分别预报O₃的小时值、日最大值和最大8 h滑动平均值.结果表明,O₃小时值预报的相关系数（R²）为0.84,平均绝对误差（MAE）和平均绝对百分误差（MAPE）分别为3.44×10^-9和24.48,O₃前期浓度、紫外B波段辐射（UVB）和NO₂浓度是关键因子.O₃日最大值预报的主要因子是NO_x在07：00的浓度和UVB.预报O₃ 8 h时UVB和气温起重要作用.加入前体物项能够使O₃的预报精度提升10%~28%.与多元线性回归方法相比,SVMr对O₃浓度的预报有明显优势.     

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5.0¹0.6mW,瞬时波长变化范围1650¹651nm,瞬时调谐频率范围0.0048⁰.0115nm/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...     

基于FOA-SVM方法的长江中游悬浮物浓度遥感反演研究

遥感反演是监测水体表层悬浮物浓度分布的有效手段之一。然而,常用的经验回归模型是建立在大样本的理论假设之上的,而大多数情况下所获取的样本数实际上是十分有限的,因而有必要引入基于小样本的新的反演模型。支持向量机(SVM)建立在结构风险最小原理和VC维理论基础上,其泛化能力强,适用于小样本回归模型。使用HJ1B卫星CCD2遥感影像结合长江中游实地同步采样数据建立悬浮物浓度SVM遥感反演模型,并采用果蝇优化算法(FOA)对模型参数进行了优化。结果表明,与传统经验回归模型相比,SVM模型具有较高的预报精度和稳定性;在SVM模型的参数优化中,FOA算法效果理想,其计算量也远小于网格搜索算法。最后,使用所建立的SVM模型对长江中游城陵矶附近长江和洞庭湖水体悬浮物浓度进行了反演,并对其空间分布特征进行了分析。结果显示,长江干流的悬浮泥沙浓度总体上明显小于洞庭湖,这主要是三峡工程下泄泥沙大幅减少造成的;洞庭湖浑浊的湖水汇入长江后,在城陵矶下游形成明显的混合带;而洞庭湖湖口悬浮物浓度明显高于其他湖区,这可能是该区域采砂活动的强烈扰动引起的。     

对一台210MW机组锅炉冷渣机爆炸事故的分析及建议

对210MW机组锅炉冷渣机爆炸事故,进行分析并提出改进意见。     

造纸黑液综合治理初探

解放军第9734工厂现有6台25m^2蒸球，1台1760mm长网多缸纸机，2台1575mm短长网纸机，1台1092mm单元网纸机，年自制浆能力为8000余t，年产纸量已达万t，年产值3500万元，主要生产文化用纸，品种21个．随着生产的发展，环境污染问题日益突出．工厂废水直接排放大海，对沿海水质带来了一定的危害，     

粉料无尘装车机工作原理及其在冶金厂矿的应用

介绍集装车与防尘统一一于一一的无尘装车技术及其具有设备本质安全化特点的无尘装车机在解决粉状物料装车作业时的扬尘问题,保护作业工人健康,维护厂区环境方面的重要优越性。     

大气环境分类的SVM联合决策方法

目的 实现城市大气环境的精准快速归类预测。方法 基于支持向量机（SVM）构建多分类问题的联合决策算法,将大量城市环境因素数据的主成分聚类结果作为输入,通过机器学习训练,组建大气环境的SVM联合决策模型。结果 该模型根据大气环境因素将数据集91个城市划分为9类,其中河内与海防环境相似度最高,巴东与格尔木差异最大。9个SVM二分类器组建的联合决策模型通过逐点预测在主成分数据空间形成了分区预测云图。结论 SVM联合决策模型可实现城市环境的快速分类辨识,分类预测结果精度高于95%。     

基于高光谱技术的土壤镉污染分级评价研究

提出一种利用高光谱技术进行土壤镉污染分级评价的方法。以FieldSpec 3地物光谱仪采集厂矿区土壤光谱反射率175份,随机分成校正集（135份）和检验集（40份）。光谱经小波去噪和标准归一化（SNV）处理后,以主成分分析法（PCA）降维。将降维所得的前5个主成分数据为输入变量,分别采用Fisher线性判别、Byes逐步判别、模糊模式识别、BP-ANN判别以及SVM 5种方法建立了土壤镉污染分级评价模型,并利用40个未知样对模型进行检验。结果表明：Fisher线性判别准确率为77.5%,Byes逐步判别与模糊模式识别预测为80.0%,BP-ANN模型预测精度为82.5%,SVM模型预测精度最高,达85.0%。说明采用高光谱技术进行土壤镉污染分级评价是可行,其中SVM是建模的优选算法。     

基于PCA-GRU-SVM模型的多参量煤矿瓦斯浓度预测及预警研究北大核心CSCD

煤矿瓦斯浓度精准预测及提早预警对于预防瓦斯灾害发生至关重要。为充分利用井下多传感器监测信息提升矿井瓦斯浓度预测及预警模型的性能,提出一种基于主成分分析(PCA)、门控循环单元(GRU)神经网络和支持向量机(SVM)组合的多参量瓦斯浓度预测及预警模型。针对监测数据的时序性、动态性和非线性强等特性问题,采用邻近均值法、小波降噪和归一化法对数据进行处理,利用PCA对数据降维以简化GRU模型拓扑结构,提高瓦斯浓度预测精度,通过构建基于SVM的矿井瓦斯浓度预警模型实现对矿井安全状态的实时动态监测。选取安徽某煤矿171105工作面的实测数据对PCA-GRU-SVM模型预测结果与性能进行验证。仿真结果表明：相对于PCA-LSTM、PCA-RF和PCA-BP模型,本文构建的预测模型的平均绝对误差(MAE)分别减少了18.45%、56.36%和87.3%,均方根误差(RMSE)分别减少了5.17%、9.04%和67.52%,预警模型的预测准确率为94.1%,说明该模型具有较高的拟合度和预测精度。该研究结果可为实现瓦斯灾害的预测及超前预警提供参考,对矿业安全生产具有重要意义。     

县域国土空间斜坡地质灾害敏感性评价研究

地质灾害敏感性评价对灾害预测具有重要作用,由于县域国土空间面积较小,斜坡地质灾害发育数量相对较少,导致敏感性评价模型不同而预测结果差异较大,难以真正有效的服务防灾救灾工作。本文以山西省五寨县为研究区,以高程、坡度、坡向、地势起伏度、地质构造、地层岩组、道路工程扰动、河流水系和植被覆盖为敏感性评价因子,综合运用GIS空间分析、相关性分析、确定性系数、支持向量机、随机森林等方法,将基于统计思想的确定性系数模型（CF）和基于机器学习的支持向量机模型（SVM）进行组合,构建CF-SVM组合模型,利用研究区93处斜坡地质灾害点,分别采用CF模型、SVM模型、随机森林模型（RF）和CF-SVM模型进行敏感性评价,并对4种模型的评价结果、模型精度、模型适用性进行了分析。结果表明：CF-SVM模型精度最高（AUC=0.828）,所划分极高敏感区分布较SVM模型更合理,以较小面积分布较多灾害点,而低敏感区分布较CF模型更符合实际情况,以较大面积分布极少灾害点。其次是RF模型（AUC=0.823）,再次是SVM模型（AUC=0.817）,CF模型精度则相对较低（AUC=0.780）。CF-SVM模型融合了...