基于混沌最小二乘支持向量机的软测量建模

提出一种改进算法,用来解决现有最小二乘支持向量机方法在处理大规模样本软测量建模问题时出现的模型结构复杂、失去支持向量稀疏性且正规化参数和核参数难以确定等问题。对样本集进行预处理,通过计算样本间欧氏距离进行样本相似程度分析,去除样本集中1/3的样本以简化支持向量机模型结构并提高计算速度。定义了一种混沌映射构成混沌系统并分析了其遍历性。应用改进的混沌优化算法优化最小二乘支持向量机模型参数以提高模型的拟合精度和泛化能力。将改进算法用于丙烯腈收率软测量建模中,仿真实验结果表明：模型精度较高,泛化性能好,满足现场测量要求。     

基于文化差分进化算法的最小二乘支持向量机及QSAR建模

针对最小二乘支持向量机最佳算法参数难以确定的缺陷,提出了基于文化差分进化算法的最小二乘支持向量机(Cultural Differential evolution Algorithm Least Square Support Vector Machine,CDE-LSSVM)。该算法通过新型的文化差分进化算法优化确定最小二乘支持向量机核宽度参数和惩罚系数,建立具有良好预测性能的模型。同时,针对药物定量构效关系（Quantitative Structure-Activity Relationships,QSAR）模型具有高度非线性、变量之间存在相关性的特征,采用CDE-LSSVM建立HIV-1蛋白酶抑制剂的药物定量构效关系模型。模型具有很好的拟合精度与预测精度,且优于最小二乘支持向量机、BP神经网络和径向基神经网络。     

基于最小二乘支持向量机的网络流量预测

为了提高网络流量预测准确性,将最小二乘支持向量机应用于网络流量预测。介绍了最小二乘支持向量机的原理与方法,并将该模型应用于实际网络流量预测计算。结果表明,该方法能有效地进行流量预测,相对于BP神经网络和ARMA模型方法,该方法具有更好的预测精度。     

基于改进克隆选择算法的最小二乘支持向量机

针对最小二乘支持向量机的参数选取问题,引入了克隆选择算法,提出了一种基于改进克隆选择算法的最小二乘支持向量机。同时根据最小二乘支持向量机的学习能力和泛化能力,在克隆选择算法的目标函数中加入两者的动态调节机制,这样改进的克隆选择算法在寻优过程中能够准确、快速地搜索到最小二乘支持向量机的最优参数。将本文模型用于乙烯裂解炉裂解深度值的学习和预测,经仿真实验表明：该预测模型的训练速度快,预测精度高。     

基于微粒群优化算法和支持向量机的软测量建模

在分析基本微粒群优化算法(PSO)和支持向量机(SVM)原理的基础上,采用带有末位淘汰机制的微粒群优化算法优化支持向量机的参数,建立了延迟焦化装置粗汽油干点软测量的微粒群支持向量机模型.该方法利用支持向量机结构风险最小化原则和PSO算法快速全局优化的特点,用于软测量建模.仿真实验表明:所建模型的泛化性能较好,模型具有较高的精度.     

固定尺度最小二乘支持向量机

针对最小二乘支持向量机(LS-SVM)在进行回归预测时存在的稀疏性缺陷问题,采用固定尺度最小二乘支持向量机,即固定支持向量数量进行改进。仿真结果表明:固定尺度最小二乘支持向量机在训练各种样本数据集时,有效地避开了LS-SVM中的稀疏性问题,且训练速度快,同时具有良好的预测精度。     

PSO-ε-SVM的回归算法

回归支持向量机的ε不敏感损失函数的参数寻优是一个重要的问题,它与支持向量机的行为特性有紧密关系。本文给出了一种基于粒子群优化算法的、对ε不敏感损失函数的ε参数寻优的方法,仿真结果表明:采用基于粒子群优化算法的寻优方法寻找ε参数,需要重复训练回归支持向量机模型的次数明显小于格点搜索方法,节省了大量的时间并且能找到较优的ε值。     

基于混合核函数的PSO-SVM分类算法

在数据挖掘中,支持向量机是被广泛应用的一种分类算法,其核函数的选择及参数的设定没有有效的标准。本文采用混合核函数构造兼顾学习能力和泛化性能的支持向量机算法,并利用粒子群算法来确定支持向量机的参数。应用基于混合核函数的PSO SVM算法对一个经典的分类测试数据集进行分类,将该算法与单一核函数支持向量机算法的分类结果进行比较,结果表明所提出的算法的分类性能有明显提升。     

基于支持向量机模型的河南艾滋病发病率预测

探索适合于河南省艾滋病发病趋势的预测模型,准确、快速地预测未来发病变化趋势,为制定艾滋病预防控制的策略和措施提供参考依据。方法收集河南省2000～2014 年艾滋病发病率数据,采用支持向量机模型建立其发病率预测模型。其中2000～2013 年发病率数据为训练样本,2014 年发病率数据为检验样本。以平均相对误差作为预测效果的评价指标。并用该模型对河南省2015～2019 年艾滋病的发病率进行预测。结果建立的支持向量机模型的平均相对误差为0.5512%。经预测,河南省2015～2019 年艾滋病的发病率分别为0.85/10 万、1.84/10 万、1.64/10 万、1.30/10 万、2.01/10 万。结论支持向量机模型有较高的预测精度及较小的预测误差,适用于河南省艾滋病的发病率预测。     

最小二乘支持向量机的参数优化及其应用

针对最小二乘支持向量机的多参数带来的参数寻优问题,将进化算法(遗传算法和PSO算法)应用其中,通过Sinc函数的测试,成功地实现了多参数的联合优化;将这一方法应用到德士古炉温软测量建模中,采用来自工业现场的实测数据进行仿真,将两种方法的仿真结果与常用的BP神经网络进行比较,可以看出两种算法都较好地解决了最小二乘支持向量机的参数优化问题.     

温特斯线性和季节性指数平滑预测模型应用探讨

目的：探讨温特斯线性和季节性指数平滑法预测模型在医院管理中的应用价值.方法：建立温特斯线性和季节性指数平滑法预测模型对成都市卫生局所属医院2009年1-4季度门急诊诊次进行季节预测,并评价该预测模型的预测精度.结果温特斯线性和季节性指数平滑法预测模型对成都市卫生局所属医院2009年1-4季度门急诊诊次的定量预测结果满意.通过计算机反复迭代试算,获得了一组最佳的平滑常数（а,β,γ）,使预测模型的预测误差最小.该预测实例平均绝对百分误差（MAPE）为3.5703%〈10%,预测精度较高.结论：温特斯线性和季节性指数平滑法在医院管理中有实用价值.在建立预测模型时,结合计算机进行迭代运算,可建立最佳预测模型,进一步提高预测精度.     

基于Elman神经网络的交通流量预测方法

交通流诱导系统是智能交通系统领域中一项重要的研究内容,而交通流量的预测问题则是交通流诱导系统的核心问题。因此,能够实时准确地预测交通流量成为诱导系统是否能够有效实现的关键问题。根据交通流的特性,分析交通数据采集过程中错误数据产生的原因,提出相应的处理方法,并在此基础上采用Elman神经网络对智能交通系统的流量预测进行建模。该系统采用C#并结合Matlab进行开发,通过Elman神经网络算法实现流量的预测,并采用图表的方式直观地显示预测结果。应用结果表明：该方法可以有效地对交通流量进行预测,且预测精度可以满足实际交通诱导的需要。     

状态空间模型在我国肝炎发病率预测中的应用

目的:应用状态空间模型对我国甲肝?乙肝?丙肝的月发病率进行拟合和预测,分析预测准确率与发病周期规律的关系,为肝炎发病率的预测提供新方法?方法:对2005—2013年我国甲肝?乙肝?丙肝的月发病率建立状态空间模型,应用MATLAB软件中的SSM工具包对模型进行拟合,并对2014年1—12月的发病率进行预测;通过数据标准化,建立发病率周期规律性评价指标?结果:甲肝?乙肝和丙肝的月发病率预测相对误差的平均值分别为17.03%?6.30%和2.03%,标准化数据周期标准差均值分别为0.214 3?0.195 2和0.172 4?结论:状态空间模型能较好地应用于肝炎发病率的拟合和预测,标准化数据周期评价指标的标准差越小,预测效果越好?     

基于粒计算的模糊神经建模方法在电能输出预测中的应用

准确地预测电厂的电能输出可以节约成本从而获得最大利润,因此建立一个模型来预测电厂的满载电功率输出是非常重要的。粒计算(Granular Computing, GrC)是一种新型的数据挖掘方法,它将具有类似特性的对象组合在一起,通过选择合适的粒度提取核心信息,减少冗余,降低问题求解的复杂度。本文使用GrC方法,从复杂多维数据集中以信息粒的形式建立初始的模糊推理系统,再通过模糊神经网络学习方法对系统参数进行优化。这种基于GrC的模糊神经(Granular Computing based Neuro-Fuzzy, GrC-NF)建模方法,不仅可以降低问题求解的复杂度,而且可以保持模糊逻辑系统的可解释性,将其与模糊神经网络的结合又提高了建模精度。本文将该方法用于建立电功率输出的预测模型,通过其预测精度的比较表明了该方法的优越性。     

时间序列预测模型在门诊量预测中的应用

目的应用时间序列预测模型预测门诊量,旨在建立适用医院的门诊量预测方法和预测模型。方法收集某医院2006年一2010年的月门诊量数据,建立时间序列的预测模型,并用该模型进行预测比对。结果该预测模型预测的下一年的前6个月的门诊量非常接近实际门诊量,最大误差仅为1．54％。预测的2011年该院门诊工作量为2,292,594人次。结论运用时间序列预测模型能够取得很好的预测效果,可以为医院管理提供预案和决策依据。     

基于改进诱导有序加权调和平均（IOWHA）算子的传染病组合预测模型研究

针对单一模型预测精度不高的问题,提出了一种新的诱导有序加权调和平均（IOWHA）算子和Theil不等系数相结合的传染病组合预测模型,包括ARIMA季节模型和灰色模型,并用其先分别对传染病的发病率进行预测,然后用Theil不等系数与IOWHA算子相结合的方法对预测结果进行组合并求解权重系数。实例应用表明该组合模型的预测精度高于单项模型的预测精度,发挥了各个模型的优势,也说明了组合算法的有效性。     

基于偏最小二乘的Kriging代理模型在加氢裂化建模中的应用

提出了一种改进的代理模型方法 （Kriging with Partial Least Squares,KPLS）。该方法在Kriging模型的基础上引入偏最小二乘的思想,利用偏最小二乘方法构建新的Kriging模型的高斯核函数。将该模型应用于加氢裂化过程建模,有效地提高了航煤、柴油质量收率的预测精度。采用 GLAMP（Global and local search strategy）优化算法对建立的KPLS模型进行优化,仿真结果显示航煤、柴油质量收率得到了显著提升。     

基于灰理论的化工设备诊断预测

首次对连续搅拌式反应釜和丙烷气体压缩机应用灰预测理论进行了故障预测,给出了GM(1,1)的灰建模过程,并以实例进行了检验,结果表明该预测模型计算简便、结果可靠。该方法应用于化工系统设备的运行状态监测、故障诊断预测,可及早判明故障的发展趋势及对设备的危害程度,为故障状态下的设备停车与否提供决策指导。