共查询到18条相似文献，搜索用时 250 毫秒
1.
针对传统机器学习模型预测重型拖拉机液压机械无级变速箱(Hydro mechanical continuously variable transmission, HMCVT)湿式离合器温度的局限性，提出了基于改进灰狼粒子群优化-支持向量机(Improved grey wolf particle swarm optimization-support vector machine, IGWPSO-SVM)的HMCVT湿式离合器摩擦副温度预测模型。首先，对湿式离合器摩擦副滑摩过程进行热分析，确定影响湿式离合器摩擦副温度的因素；然后，基于支持向量机(Support vector machine, SVM)搭建温度预测模型，并利用改进灰狼粒子群优化(Improved grey wolf particle swarm optimization, IGWPSO)算法对SVM的结构参数进行优化；最后，基于HMCVT湿式离合器试验台数据搭建离合器摩擦副温度预测模型的样本数据库，以湿式离合器摩擦副对偶钢片为对象，对IGWPSO-SVM模型进行试验验证。试验结果表明，IGWPSO-SVM模型预测摩擦副对偶钢片... 相似文献
2.
针对土壤悬液组分复杂以及单输入变量时电极预测精准度有限的问题,以提高离子选择电极预测土壤硝态氮含量精准度为目标,建立基于多参数融合的支持向量机(SVM)土壤硝态氮预测模型。采用灰色关联分析法对影响电极法测定土壤硝态氮的主要干扰因素进行排序,建立以主干扰因素及硝酸根电极检测电势的多参数融合SVM预测模型,并与传统Nernst模型和干扰因素全输入下的SVM模型作对比验证算法可行性。实验结果表明,土壤电导率、温度与Cl -电极检测电势为影响电极预测硝态氮精准度的主要干扰因素;输入参数为硝态氮电极检测电势、土壤电导率、温度与Cl -电极检测电势时,SVM土壤硝态氮预测模型效果最优,与光学法测定结果回归方程的调整决定系数为0.98,平均绝对偏差为3.38 mg/L,均方根误差为4.51 mg/L,基于多参数融合的SVM预测模型可显著提高电极法硝态氮检测精准度。 相似文献
3.
提出了一种基于负荷时间序列相空间重构与量子粒子群优化支持向量机的混合超短期负荷预测方法。首先利用G-P算法和C-C算法分别确定超短期负荷数据关联维数和延迟时间,对数据进行相空间重构,并获取预测模型的输入输出数据。接着采用量子粒子群（QPSO）对支持向量机（SVM）进行优化,构建了QPSO-SVM预测模型。最后利用相空间重构获得的模型输入输出数据对QPSO-SVM进行训练获得负荷预测模型。对某电网模拟负荷预测试验结果表明,本文提出方法有效提高了负荷预测精度,具有一定的科学意义及工程价值。 相似文献
4.
甘蔗收获机切割器刀盘振动是影响甘蔗宿根切割质量的一个关键因素,因此寻找复杂因素对刀盘轴向振动的影响规律并实现对刀盘振动的预测与控制有着至关重要的作用。为解决传统预测方法精度低、参数选取盲目等问题,提出一种基于蜻蜓算法的甘蔗收获机刀盘振动支持向量机预测模型。该方法利用蜻蜓群体寻优的过程实现对支持向量机参数的优化,并将优化后的支持向量机对刀盘振动进行预测。通过Mat Lab进行20次仿真实验,并与BP神经网络预测模型和传统支持向量机预测模型的预测结果进行比较,实验数据表明:基于蜻蜓算法的支持向量机预测模型具有更高的预测精度和泛化能力。结果显示:基于蜻蜓算法优化的支持向量机对刀盘振动预测的拟合率达到了99.99%,有效提高了甘蔗收获机刀盘振动的预测精度,从而表明基于蜻蜓算法优化的支持向量机预测模型对实现甘蔗收获机刀盘振动预测的有效性,为后续甘蔗收获机宿根切割质量的智能化预测及实现对甘蔗收获机减振的结构优化设计提供了有效依据。 相似文献
5.
《节水灌溉》2018,(11)
为了使乌兰布和灌域有效灌溉面积得以健康发展,同时了解乌兰布和灌域有效灌溉面积的发展趋势,引入了支持向量机回归滑动预测模型,以归一化处理后的2007-2016年的有效灌溉面积数据作为训练样本,以2017年有效灌溉面积数据作为检验样本,结合新陈代谢法,对乌兰布和灌域有效灌溉面积进行预测。同时引入Logistic灰色预测模型,与支持向量机回归滑动预测模型进行对比分析,结果表明支持向量机回归滑动模型的预测精度明显高于Logistic灰色预测模型。在此基础上,应用支持向量机回归滑动预测模型对2018-2025年乌兰布和灌域各年份的有效灌溉面积进行了预测,结果表明乌兰布和灌域有效灌溉面积将于2022年达到其上限5.36万hm~2,2017年有效灌溉面积为5.244万hm~2,已经接近其上限,且乌兰布和灌域有效灌溉面积增速将于2018年开始减缓,在某些年份甚至出现负增长。因此,需要对有效灌溉面积发展过程中的影响因素进行分析和调整,为其健康发展奠定基础。 相似文献
6.
《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
7.
基于河川径流月时段具有非平稳季节性的特征,构建支持向量机的季节性样本,建立水库入库径流的季节性支持向量机预测模型。以三峡水库1950~2006年的入库径流系列为训练样本,利用季节性支持向量机预测模型对三峡水库2007~2009年的月径流量进行预测。将此预测结果与BP神经网络模型和标准支持向量机模型预测结果进行指标分析,结论显示季节性支持向量机径流预测模型准确度更高,可以用于水库入库径流的预测。 相似文献
8.
针对传统最小二乘支持向量机模型的训练速度慢、不易在线训练、计算量大及参数选择困难等缺陷,提出采用耦合模拟退火优化最小二乘支持向量机算法,建立基于耦合模拟退火优化最小二乘支持向量机的参照作物蒸散量预测模型。选取陕西省的榆林、安康和西安气象站监测的1971-2014年气象资料进行模型训练、测试与验证,研究气象监测获取原始数据作为网络输入,参照蒸散量ET0为输出,构建CSA-LSSVM预测模型,并将CSA-LS-SVM预测结果与LSSVM模型及经典ET0模型模拟计算结果进行比较。结果表明,CSA-LS-SVM模型模拟计算精度和总ET0模拟模型都优于LSSVM模型及其他经典模型模拟结果。该研究CSA-LS-SVM模型为陕西地区气象资料缺乏情况下ET0精确计算提供科学依据,为作物需水量的智能决策提供参考。 相似文献
9.
10.
需水预测是水资源优化配置、水资源规划和水资源管理的重要依据,其预测精度受到众多因素的影响,且实际用水量数据时间系列较短,制约了传统预测方法的应用。利用支持向量机在对小样本学习的基础上对其他样本进行快速、准确的拟合预测的特点,采用主成分分析与支持向量机相结合的方法,首先利用主成分分析法筛选需水量的主要影响因子,然后将其作为输入样本,对支持向量机模型进行训练和检验,寻找最优模型,并将该方法应用于洛阳市需水预测。结果表明,该模型预测结果平均相对误差为-0.83%,预测精度较高,可作为训练样本较少情况下的一种需水预测方法。 相似文献
11.
12.
为提高径流预测精度,研究提出海洋捕食者算法(MPA)与长短期记忆(LSTM)神经网络相结合的径流预测方法。通过6个仿真函数对MPA、粒子群优化(PSO)算法进行测试,利用MPA优化LSTM隐藏层神经元数、训练次数等关键参数,基于主成分分析(PCA)降维和不降维处理分别建立PCA-MPA-LSTM、MPA-LSTM径流预测模型,利用云南省落却站实测数据对PCA-MPA-LSTM、MPA-LSTM模型进行训练及预测,结果与PCA-LSTM、LSTM、PCA-MPA-SVM、MPA-SVM、PCA-MPA-BP、MPA-BP模型的训练、预测结果进行比较。结果表明:①MPA仿真效果优于PSO算法,具有较好的寻优精度和全局搜索能力。②PCA-MPA-LSTM、MPA-LSTM模型对实例拟合、预测的平均相对误差分别为1.18%、2.35%和1.94%、1.96%,预测效果优于其他6种模型,具有较好的预测精度和泛化能力。③采用MPA优化LSTM关键参数能有效提高LSTM泛化能力和预测精度;数据降维模型的预测精度优于对应未降维模型的预测精度,数据降维处理能有效改善模型的预测效果。 相似文献
13.
核函数形式的选择与核函数参数值的大小是影响支持向量机的2个关键因素,传统的支持向量机分类精度低、时效性差,为了获得高精度、高时效性的支持向量机,从影响支持向量机的核函数与核函数参数值2个关键因素着手,提出了基于变尺度混沌粒子群优化（MSCPSO）混合核SVM参数的分类器。将此分类模型用于预测生菜叶片的生育期,以及预测3个生育期的生菜叶片氮素水平,预测精度分别达到91.51%、85.38%、82.59%和81.26%。与传统的粒子群优化混合核SVM的分类器和变尺度混沌粒子群优化RBF_SVM分类器相比,提出的分类器模型分类精度高、时效性好。 相似文献
14.
油菜生物量是喂入量和作业质量的主要影响因素,高效、快速地检测油菜生物量是实现油菜收获机自动控制的基础和前提。为研究收获期油菜生物量的影响因素和分布规律,首先利用无人机采集联合收获期油菜的田间可见光图像并实测油菜的生物量信息,提取并构建与油菜生物量有关的32个特征参数,通过相关性分析筛选出与油菜生物量相关性较高的10个显著特征;分别建立基于随机森林（Random forest,RF）、主成分分析（Principal component analysis,PCA）和支持向量机（Support vector machine,SVM）的联合收获期油菜生物量估算模型;利用训练集确定模型参数并优化,利用测试集估算油菜生物量,验证估算模型的性能并比较精度。结果表明：3种模型的评价指标均方根误差（RMSE）、相对误差(RE)和决定系数(R2)分别为0.24 kg/m2、0.04%~22.23%、0.87,0.36 kg/m2、0.92%~21.14%、0.71和0.26 kg/m2、0.28%~34.17%、0.84;对比估算结果可知,基于随机森林的估算模型的RMSE小于PCA和SVM模型,决定系数R2最大且相对误差较小,模型精度和稳定性较优,是估算联合收获期油菜生物量一种较优的方法。基于可见光图像特征和随机森林的油菜生物量估算方法可为油菜联合收割机喂入量自动检测提供方法和参考。 相似文献
15.
16.
17.
土壤含水率监测是精准农业的重要组成部分,对于农情监测和农业生产起着关键性作用。超宽带雷达由于其体积小、质量轻、穿透力强和功耗低等特性已被广泛应用于土壤含水率监测研究。而现有超宽带雷达反演土壤含水率多为理想裸土情况,实际应用中地表植被覆盖会对结果造成较大影响,针对此问题,融合超宽带雷达和多光谱数据,利用支持向量机（SVM）模型对农田尺度不同植被覆盖下的土壤含水率进行分级预测,以减小植被对预测精度的影响。研究结果表明,在超宽带雷达回波数据提取出的不同时域特征组合中,选用峰值因子、峭度、均方根、峰-峰值、最大幅值、方差、偏斜度、平均值和最小幅值9个时域特征作为SVM模型输入特征预测结果最好,总体精度为95.59%,Kappa系数为0.9492。加入植被指数NDVI后,不同时域特征组合作为特征输入的模型精度均有显著提高,其中将9个时域特征与NDVI共同作为SVM输入预测效果最佳,总体精度为98.09%,Kappa系数为0.9780,与不考虑植被影响的预测结果比较,总体精度提高了2.50个百分点,Kappa系数提高了0.0288。 相似文献
18.
该文基于近红外光谱技术,提出一种快速无损检测方法,以期实现蔬菜农药残留的分类检测。通过对喷洒了氰戊菊酯溶液、三唑磷溶液和未喷洒农药的生菜样本进行研究,比较不同预处理后的建模效果,选用SNV算法作为最优预处理方法。分别采用连续投影算法（SPA）、自主软收缩法（BOSS）和竞争性自适应重加权算法（CARS）对预处理后的光谱数据进行特征波段选择。采用支持向量机（SVM）和基于灰狼算法（GWO）优化的支持向量机（SVM）算法对特征波长变量分别建立分类模型。再通过对建立的模型进行比较得出:CARS-GWO-SVM模型取得了最佳的分类效果,模型的训练集精度和预测集精度均为100%。因此,利用近红外光谱技术对蔬菜上的农药残留进行分类检测是可行的。该研究为生菜中其他农药残留的快速无损检测分析提供参考。 相似文献