烃类沸点的定量构效关系研究

应用CODESSA软件计算296种烃类物质的分子结构描述符,分别用启发式回归（HM）和最佳多元线性回归（B-MLR）筛选计算出的所有分子描述符,并建立沸点的线性回归模型。用B-MLR方法筛选出的4个描述符作为支持向量机（SVM）的输入建立了非线性模型。预测结果表明：所建立的模型稳健,泛化能力强,预测误差小。非线性模型（R2=0.9905,RMSE=10.2295）的性能优于线性回归模型（HM：R2=0.9819,RMSE=14.0606;B-MLR：R2=0.9842,RMSE=13.1058）,预测效果令人满意。     

基于支持向量机建筑施工安全预警模型的研究

本文针对中国建筑施工企业安全管理现状,以企业预警管理论和现代施工安全管理理论为指导,结合建筑安全施工的实践与经验,建立基于支持向量机的安全预警模型,构建具有自我调节、自我适应能力的建筑施工安全预警管理体系。根据建筑施工现场的调查,经过分析,应用支持向量机预警模型进行预警研究,通过预警的结果,分析建筑施工现场的安全程度。这为建筑施工现场减少事故的发生提供了一定的参考。     

烃类及其衍生物闪点、沸点的定量构效关系

基于定量结构一性质相关性（QSPR）原理,研究了烃类及其衍生物闪点、沸点与其分子结构间的内在定量关系。应用CODESSA软件计算384种烃类及其衍生物的分子结构描述符,建立了闪点和沸点的QSPR模型。用最佳多元线性回归（B．MLR）方法筛选得到的分子描述符建立了线性回归模型。用B-MLR方法所选择的5个描述符作为支持向量机（SVM）的输入建立了非线性模型。所有的化合物被分为训练集和测试集,对每个模型的训练集和测试集的复相关系数、交互验证系数、均方根误差等进行了计算,并用测试集对模型的预测能力进行检验,预测结果表明：预测值与实验值均符合良好,所建立的闪点模型稳健,泛化能力强,预测误差小,预测的效果令人满意,但沸点的模型预测效果有待加强。相比烃类物质的模型,加了衍生物的模型性能均有所下降。     

烃基酚类化合物结构与毒性关系研究

有机化合物通常由电性各异的氢、碳、氮、氧、硫及卤素等原子以共价键结合而成,从分子的三维空间结构出发,按照不同类型原子之间电性相互作用得到一种分子结构表达方法--三维分子电性相互作用矢量(three dimensional molecular electronegativity interaction vector,3D...     

分子距边矢量与烃类化合物的溶解度及辛醇/水分配系数定量关系的研究

定义并计算了烃类化合物（包括链烃、环烃、芳香烃）的分子距离－边数矢量（μ矢量），藉助多元线性回归技术分别建立了137个烃类化合物的μ矢量与这些物质的正辛醇／水分配系数lgKow及水溶解度的定量结构／性质相关关系模型。模型具有良好的稳定性和预测能力。说明经改进的μ矢量能更好地反映烃类化合物的结构特性。     

基于全极化SAR影像的双台河口湿地分类及其变化分析

为了研究辽东湾双台河口湿地变化原因,对该地区全极化SAR影像进行湿地分类.引入Freeman分解建模全极化SAR影像,得到二面角散射、体散射、表面散射的散射功率,利用SVM分类法对散射机制假彩色影像进行分类,进而确定该地区的湿地分布情况.通过对比分析2007年与2016年的湿地分布情况,同时考虑区域特性和数据的可获取性,选取盘锦市年降水量、年均气温、年径流量、海平面高度、城市建成面积、原油年产量、水产品年产量和逐年GDP等8个驱动因子,研究双台河口湿地变化的驱动机制.结果表明:①全极化SAR影像分类结果总精度达到80.25%,较光学影像的分类精度提升7.43%,并且可将芦苇湿地进一步细分为芦苇池塘和芦苇草甸;②2016年双台河口各湿地面积占比依次为草本沼泽（28.54%）>浅海水域（22.44%）>灌丛沼泽（16.88%）>水产养殖厂（9.54%）>河流（8.91%）>稻田（7.58%）>淤泥质沙滩（6.11%）;③不同湿地的变化原因有所差异,驱动因子也不尽相同,如水产品年产量增加是水产养殖厂转化为淤泥质沙滩的直接驱动因子,而气温上升等自然因素和城市建成区面积增长等社会因素是草本沼泽退化和变化的主要驱动因子.研究显示,全极化SAR影像较光学影像更适合湿地分类,而双台河口湿地自然湿地减少和人工湿地增加是自然和社会因素共同作用的结果.      

基于MRMR-HK-SVM模型的PM2.5浓度预测

以赣州市2017年全年的空气质量和气象数据为研究对象,通过最大相关最小冗余算法（MRMR）提取出最优的特征子集,并将其作为预测模型的输入数据,同时构造混合核函数（HK）对传统的支持向量机模型（SVM）进行改进,最终建立MRMR-HK-SVM模型.实验结果表明,MRMR-HK-SVM模型有着更低的平均绝对误差（MAE）、平均绝对百分比误差（MAPE）和均方根误差（RMSE）,相较于传统SVM模型,预测结果平均绝对误差下降了26.9%,且能更加准确的追踪到PM_2.5浓度的突变时刻.可见,MRMR-HK-SVM模型具有更好的泛化能力,能够更加精确地预测PM_2.5浓度.     

基于Multi-class SVM的车辆换道行为识别模型研究

自动安全换道是车辆实现无人驾驶的关键,为精确识别行驶车辆换道状态,保证行车安全,设计了一种基于多分类支持向量机(Multi-class Support Vector Machine,Multiclass SVM)的车辆换道识别模型。从NGSIM数据集中选取美国101公路车辆轨迹数据进行分类处理,并将车辆换道过程划分为车辆跟驰阶段、车辆换道准备阶段和车辆换道执行阶段。采用网格搜索结合粒子群优化算法(Grid Search-PSO)对SVM模型中惩罚参数C和核参数g进行寻优标定,利用多分类支持向量机换道识别模型对样本数据进行训练和测试,模型测试精度达97.68%。研究表明,模型能够很好地识别车辆在换道过程中的行为状态,为车辆换道阶段的研究提供支持。