共查询到18条相似文献，搜索用时 780 毫秒
1.
为提高支持向量回归(SVR)模型的预测能力,将核心向量回归(Core vector regression,CVR)方法引入到数控机床热误差建模中,并采用偏最小二乘(Partial least squares,PLS)算法从输入样本提取主成分,构建特征集,然后使用改进的粒子群优化(Improved particle swam optimization,IPSO)算法对CVR的模型参数进行寻优,从而提出一种基于PLS-IPSO-CVR的数控机床热误差建模方法。仿真实验表明,所提出的建模方法在预测精度和速度方面优于传统SVR模型和BP神经网络模型,从而验证了组合建模方法的可行性和有效性。 相似文献
2.
3.
基于最小二乘支持向量机的人民胜利渠灌区灌溉用水量预测 总被引：3，自引：0，他引：3
基于最小二乘支持向量机（LSSVM）良好的泛化能力和特点，以人民胜利渠灌区需水量为研究对象，选用径向基函数（RBF）作为核函数，建立了最小二乘支持向量机预测模型，对灌区需水量进行了模拟计算，用检验样本与灰色预测和基于RBF的神经网络模型的预测结果进行了比较，LSSVM预测的最大误差8.78%，平均误差4.90%。结果表明最小二乘支持向量机模型有较高的预测精度和较强的泛化能力，可为灌区水资源规划提供科学依据。 相似文献
4.
5.
为增强模型的适应性,选取了3个不同成熟期(绿熟、半红熟和红熟)的李果实样品建立坚实度指标的近红外检测模型,建模所使用的光谱范围为4 000~12 492cm-1。为改善模型性能,比较了最小二乘支持向量机和偏最小二乘法两种建模算法对李果实坚实度指标的建模结果。研究结果表明,所建立的最小二乘-支持向量机模型的预测性能和稳定性均好于偏最小二乘模型,并以前10个潜在变量得分作为输入变量的最小二乘-支持向量机模型为最佳模型,其校正相关系数、校正和预测均方根误差分别为0.989及1.31、1.84kg/cm2,剩余预测偏差为4.79。与以往研究文献相比,获得了较为理想的预测精度和稳定性能。研究结果表明,最小二乘支持向量机算法结合偏最小二乘法提取的潜在变量作为输入变量,可以使李果实坚实度近红外定量模型有较大程度的改善。 相似文献
6.
LS-SVM和BP-ANN在草莓糖度NIR检测中的应用 总被引：1，自引：1，他引：0
为了提高草莓糖度近红外光谱定量模型的性能,采用偏最小二乘法提取的潜在变量作为最小二乘-支持向量机和反向传播人工神经网络的输入变量,建立了草莓糖度的近红外定量模型,并与偏最小二乘模型结果进行了比较,建模所使用的光谱范围为6 000～9 000 cm-1.结果表明,所建立的最小二乘-支持向量机和反向传播人工神经网络定量模型的校正性能、预测性能和稳定性均优于偏最小二乘定量模型,最优模型为前10个潜在变量得分作为输入变量的最小二乘-支持向量机模型,其校正和预测相关系数分别为0.957和0.951,校正和预测均方根误差分别为0.279％和0.272％,剩余预测偏差为3.23,与以往研究文献相比,获得了较为理想的预测精度和稳定性能. 相似文献
7.
针对环境温度变化较大时常用的热误差模型预测精度低的问题,提出了一种基于环境温度的模型库分段式加权的热误差建模方法,以UPM120型数控铣床为实验对象,通过跨季度的7批次数据,完成了环境温度15～35℃的分段式加权模型建模和预测精度分析。结果表明,环境温度变化在5℃以内时,多元线性回归模型的预测精度优于BP神经网络模型、分布滞后模型、灰色理论模型和支持向量机模型,可以将其作为分段式加权模型库中的基础模型。当环境温度变化较小时,基于多元线性回归的分段式加权模型预测精度为1.39μm;当环境温度变化较大时,其预测精度为1.51μm,均远高于单一环境温度样本的回归模型、多环境温度样本的回归模型和泛化能力强的支持向量机模型的预测精度。 相似文献
8.
《农业机械学报》2019,(Z1)
为了实现核桃仁脂肪含量的快速无损检测,在1 040～2 560 nm光谱范围内采集了核桃仁近红外光谱。首先,通过多元散射校正和标准正态化组合方法对原始光谱信息进行预处理,采用马氏距离法剔除异常样本;然后,运用竞争性自适应重加权采样算法与相关系数法相结合,进行特征波段筛选;最后,采用偏最小二乘回归和支持向量机回归算法建立了核桃仁脂肪含量的预测模型。结果显示,以筛选出的6个特征波段为输入,采用偏最小二乘回归算法建立的核桃仁脂肪质量分数预测模型的验证集决定系数为0. 86,均方根误差为1. 584 9%;采用支持向量机回归算法建立的模型验证集决定系数为0. 88,均方根误差为1. 371 6%;表明支持向量机回归算法的建模质量优于偏最小二乘回归算法。采用特征波段建立的支持向量机回归预测模型能大幅降低建模复杂度,实现核桃仁脂肪含量的快速无损检测。 相似文献
9.
《中国农村水利水电》2017,(3)
针对最小二乘支持向量机模型传统参数选择方法费时且效果差的问题,利用蝙蝠算法的模型简单、快速收敛和全局搜索能力强的特点,优化模型的正则化参数和核函数参数,对水文时间序列建立最小二乘支持向量机预测模型。基于西江流域内的柳州水文站2000-2014年月径流资料对模型进行训练和预测,并与使用粒子群算法优化参数确定的最小二乘支持向量机模型,网格搜索及交叉验证优选参数确定的最小二乘支持向量机模型及BP神经网络模型进行比较。计算结果表明,基于蝙蝠算法优化最小二乘支持向量机模型具有很好的适用性和较高的预测精度,为利用最小二乘支持向量机模型解决非线性的水文时间序列问题提供了新的方向。 相似文献
10.
基于最小二乘支持向量机(LS-SVM)建模方法,提出应用梨在可见/近红外光谱谱区的有效波长(EW)进行其品种鉴别的新方法.用210个样本作为建模定标集,30个样本进行预测.根据偏最小二乘法分析载荷图和回归系数图选择鉴别梨品种的有效波长,并建立EW与最小二乘支持向量机相结合的EW-LS-SVM模型,同时与应用逆反馈人工神经网络(BP-ANN)建立的EW-BP-ANN模型进行判别准确率的比较.结果表明,应用LS-SVM和BP-ANN建立的模型对建模样本和预测集样本的判别准确率分别为100％和93.3％.研究表明,应用EW-LS-SVM模型进行梨品种鉴别是可行的. 相似文献
11.
为提高热误差模型的预测能力,提出一种基于深度学习方法的数控机床热误差建模方法。利用模糊聚类法和灰色关联度分析法选取温度变量的热敏感点,采用深度自编码器（Stacked automatic encoder, SAE）网络从选出的输入样本中提取特征,构建特征集,然后使用遗传优化算法（Genetic optimization algorithm, GA）对BP神经网络参数进行寻优,从而提出一种基于SAE-GA-BP的数控机床热误差建模方法。以某大型龙门五面加工中心为实验对象,研究并选择了加工中心加工过程中的主要误差源——主轴热误差进行补偿,对主轴热误差深度学习模型和多元回归模型进行了分析对比。结果表明,在预测精度方面所提出的建模方法优于传统多元回归模型,从而验证了该建模方法的可行性和有效性。 相似文献
12.
针对数控加工误差的复杂性特征,对加工误差的预测方法进行了分析,比较了传统预测模型理论和基于神经网络和支持向量机的智能预测模型的差异,并对预测建模过程进行了探讨。 相似文献
13.
基于支持向量机的洪水预报模型初 总被引：6，自引：1，他引：6
用传统的机器学习方法进行洪水预报建模存在泛化能力难以保障，训练速度慢等一些困难。对统计学习理论和支持向量机的基本内容和核心思想进行了简要的介绍，探讨了基于支持向量机的洪水预报模型的建模方法。通过实例中的应用，该模型显示了泛化能力强，训练速度快，便于建模等优点，有良好的应用前景。 相似文献
14.
为了正确识别和判定机床关键几何误差元素对机床精度设计的影响,提出一种基于指数积（Product of exponential, POE）旋量理论和拓展傅里叶幅度检验 (Extended Fourier amplitude sensitivity test, EFAST)的机床关键几何误差元素识别方法。首先,基于POE旋量理论建立机床几何误差模型,得到机床几何误差元素与机床空间误差之间的关联函数;其次,采用EFAST全局敏感性分析方法分析和量化误差敏感性,识别关键几何误差元素和强耦合几何误差元素;最后,在具有开放式数控系统Carver800T型三轴立式加工中心上进行基于全局敏感性分析的误差补偿试验,在制定补偿策略时,利用建立的方差和敏感度系数之间的定量关系来补偿机床几何误差的随机特性。结果表明,误差补偿后机床精度得到明显提高,沿X轴、Y轴和Z轴方向的平均补偿率分别达到60%、66%和74%,验证了本文方法的可行性、准确性和有效性。 相似文献
15.
针对数控机床实际加工轨迹与理论轨迹存在误差的现象,提出利用六轴联动数控机床冗余联动特点优化该误差的方法。建立了一类六轴联动数控机床的运动学模型,并研究了其冗余联动特点。根据刀具接触点运动规律,以冗余旋转联动轴的运动优化刀具中心点运动轨迹误差和刀具轴线转动轨迹误差,从而实现加工轨迹误差的优化。在实际六轴联动数控机床上进行了抛光加工实验,通过应用所提出的轨迹误差优化算法,减小了抛光过程中的加工轨迹误差,降低了工件表面粗糙度,且保证加工后表面具有较高的均匀一致性,提高了抛光表面质量,从而验证了所提出方法的有效性。 相似文献
16.
为了提高地区降雨量的预测精度,提出遗传算法优化的时间序列最小二乘支持向量机回归组合模型。首先利用时间序列分析法对858农场年降雨量数据进行拟合,其次对拟合后实际数据与拟合数据产生的绝对误差运用最小二乘支持向量机进行训练,较好地解决了小样本、高维数、非线性和局部极小问题,同时避开了传统的网格搜索法在大范围内寻找参数费时等缺点,采用遗传算法寻找最佳的惩罚参数c和核函数参数g,训练结果与实际测量值接近,预测精度较高,并对未来3a的降雨量进行了预测,为858农场未来水资源规划、合理制定灌溉制度、抗旱防涝提供了重要的科学依据。 相似文献
17.
为了使得机床误差建模与补偿过程紧密联系,同时避免雅可比矩阵繁琐的计算,提出一种基于微分变化构造法的机床几何误差补偿方法。根据坐标系微分变化矩阵建立机床几何误差模型。基于机床正向运动链顺序建立各个运动轴微分变化矩阵,结合各个运动轴几何误差对应的微分运动矢量计算得到运动轴几何误差对刀具精度影响,相加得到刀具坐标下的综合微分变化矩阵,通过机床正向运动学模型将刀具综合误差转换到工作台坐标系下得到机床刀具位置误差。采用微分变化构造法提取各个运动轴微分变化矩阵相应子矩阵构造得到机床雅可比矩阵,计算刀具坐标系综合误差对应运动轴补偿量得到机床补偿加工代码,微分变化构造法无需额外计算,且重新使用建模过程建立的矩阵。在北京精雕Carver800T加工中心进行实验,补偿后工件总误差降低了30%左右,验证了基于微分变化构造法的几何误差补偿方法的有效性。 相似文献
18.
科学、高效地获取作物不同叶位叶绿素含量的垂直分布信息,可监测农作物长势状况并进行田间管理。基于冬小麦抽穗期获取的不同叶位叶片的高光谱反射率和叶绿素含量实测数据,将原始光谱、一阶微分光谱、二阶微分光谱、植被指数和连续小波系数与叶绿素含量进行相关性分析,筛选相关性较强的光谱特征参数,然后分别采用偏最小二乘回归、支持向量机、随机森林和反向传播神经网络4种机器学习算法构建冬小麦上1叶、上2叶、上3叶和上4叶的叶绿素含量估算模型,并根据精度评估结果筛选不同叶位叶绿素含量估算的最佳模型。结果表明,上1叶、上2叶和上3叶采用小波系数结合偏最小二乘回归构建的叶绿素含量估算模型精度最高,建模和验证R2分别为0.82和0.75、0.80和0.77、0.71和0.62;上4叶采用植被指数结合支持向量机构建的叶绿素含量估算模型效果最佳,建模和验证R2为0.74和0.79。研究结果可为基于遥感技术精准监测作物营养成分的垂直变化特征提供理论和技术支撑。 相似文献