共查询到18条相似文献，搜索用时 156 毫秒
1.
为降低建筑能耗影响因素间复杂相关性对模型性能的影响,建立了一种基于KPCA-WLSSVM的建筑能耗预测模型。利用核主元分析(KPCA)对输入变量进行数据压缩,消除变量之间的相关性,简化模型结构;进一步采用加权最小二乘支持向量机(WLSSVM)方法建立建筑能耗预测模型,同时结合一种新型混沌粒子群-模拟退火混合优化(CPSO-SA)算法对模型参数进行优化,以提高模型的预测性能及泛化能力。通过将KPCA-WLSSVM模型方法应用于某办公建筑能耗的预测中,并与WLSSVM、LSSVM及RBFNN模型相比,实验结果表明,KPCA-WLSSVM模型方法能有效提高建筑能耗预测精度。 相似文献
2.
为提高可见/近红外光谱无损检测寒富苹果可溶性固形物的检测精度,应用近红外漫反射光谱仪对寒富苹果进行扫描,对主成分回归(principal component regression,PCR)、偏最小二乘法(partial least squares,PLS)和改进偏最小二乘法(modified partial least squares,MPLS)三种建模方法进行比较,通过改变波长的范围、导数处理、去散射处理、标准化处理、加权多元离散校正及间隔平滑处理等光谱预处理,研究不同建模和光谱预处理方法对寒富苹果可溶性固形物可见/近红外光谱无损检测模型准确性的影响。结果表明,在780~1 100 nm范围内,采用MPLS,间隔点为2,平滑点为2,结合去散射处理和一阶求导处理所建立的寒富苹果可溶性固形物定标模型最好,其定标模型的校正交互验证标准误差(standard error of cross validation,SECV)为0.306,交互验证决定系数(determination coefficient of cross validation,R2cv)为0.961;预测标准偏差(square error of prediction,SEP)、预测决定系数(determination coefficient of prediction,R2P)、预测相对分析误差(residual predictive deviation,RPD)分别为0.357、0.944、4.967,表明模型具有良好的预测效果,适用范围广。建模方法、波长范围、导数处理、间隔平滑处理、去散射处理使模型误差分别降低了14.688%~53.407%、20.787%~33.146%、1.918%~13.123%、1.813%~7.553%、0~2.647%,建模方法和光谱预处理对模型优化的次序依次为:建模方法波长范围导数处理间隔平滑处理去散射处理。 相似文献
3.
利用灰色关联分析法与相关分析法,分别确定与昭苏县油菜普花期关联最大的物候期和显著相关的气象因子,利用昭苏县1990—2019年物候期和气象因子分别建立回归模型,预测2020—2022年的普花期,利用均方误差和相对误差对模型的拟合结果进行评价,利用平均拟合精度对模型的预测结果进行评价。结果表明,基于昭苏油菜物候期的回归模型、基于昭苏气象因子的回归模型拟合结果相对误差分别为0.72%、2.59%,均方误差分别为2.6、6.0,预测结果平均拟合精度分别为98.9%、91.7%,基于物候期建立的昭苏油菜普花期回归模型预测结果更精准。 相似文献
4.
江汉平原土壤有机碳含量高光谱预测模型优选 总被引：2，自引：0，他引：2
研究探讨了贫瘠地区低有机碳含量条件下,不同光谱预处理与建模方法用于土壤有机碳估测的最佳组合,对贫瘠土壤属性信息快速获取和精确农业发展具有重要意义。以江汉平原不同利用条件下的土壤为研究对象,使用可见光/近红外高光谱技术,结合包括Savitzky-Golay平滑(SG)、一阶导数(FD)、多元散射校正(MSC)在内的光谱预处理方法,分别建立用于估测土壤有机碳(SOC)含量的多元线性回归(MLR)、主成分回归(PCR)、偏最小二乘回归(PLSR)和支持向量机回归(SVMR)模型。结果表明：不同建模方法预测精度差异明显,PLSR和SVMR的预测结果优于MLR和PCR;不同预处理方法对模型的预测精度亦有较大影响,表现为MSC＞FD＞SG;基于FD和MSC组合预处理的SVMR模型的预测能力最好,R2=0.84,RPD=2.50,满足土壤有机碳的预测。有机质含量大于2%并不是建立优质模型的必要条件。 相似文献
5.
组合预测模型在东北地区粮食产量预测中的应用 总被引：1，自引：0，他引：1
采用最优加权方法,建立了基于灰色预测模型、灰色马尔科夫预测模型及逻辑斯蒂预测模型的组合模型;并根据东北地区1949-2008年粮食产量资料,利用组合模型预测了该地区未来10年的粮食产量.结果得到,灰色预测、马尔科夫预测、逻辑斯蒂预测和组合预测方法的预测粮食产量的平均相对百分误差分别为:12.74%,3.02%,13.29%,2.87%,结果证明组合预测模型可以较好地提高粮食产量的预测精度.通过组合模型预测结果表明,到2015年东北地区的粮食产量可以达到1.25亿t,可以完成该地区增产150亿kg粮食的任务,到2018年,粮食产量预计可达1.38亿t,东北地区增粮潜力巨大. 相似文献
6.
夏季建筑冷负荷的正确预测是实现大型复杂中央空调优化运行、节能降耗的关键。笔者探讨了商场建筑冷负荷的主要影响因素,确定了建筑动态冷负荷预测模型的输入,提出了夏季基于新风机组供电频率的商场顾客率间接测量方法,解决了商场内顾客量难以检测的难题。还提出了AFC-HCMAC神经网络预测模型算法,实现了大型商场建筑冷负荷的动态预测。仿真结果表明:顾客率在商场冷负荷预测中占有重要地位,在冷负荷预测模型中增加商场顾客率可显著提高预测精度;AFC-HCMAC神经网络预测算法与传统的HCMAC神经网络算法比较,可有效降低神经网络节点数,提高预测精度。 相似文献
7.
气象参数是影响建筑热环境和供暖空调能耗的主要因素之一。基于成都地区1971—2000年共30 a的历史观测数据,生成了建筑能耗模拟软件EnergyPlus所需要的逐时气象数据文件。比较分析了该地区30 a干球温度、太阳辐射等各气象参数月均值的变化,模拟分析了该地区建筑的采暖、制冷及总能耗,利用多元回归建立了建筑能耗与气象参数之间的关系式,并检验了该关系式的准确性。结果表明：成都地区办公建筑能耗变化与各气象参数没有呈现明显的规律性;建筑月总能耗与各气象参数呈纯二次多项式关系,月采暖能耗、月制冷能耗与各气象参数呈交叉二项式关系;建筑月能耗回归模型能够较准确地预测建筑月能耗与各气象参数的关系,且月采暖能耗和月制冷能耗回归模型预测的准确性优于月总能耗模型。 相似文献
8.
着装行为通过影响室内空气参数的设定而影响建筑空调能耗。利用能耗模拟软件DeST,计算出该地区典型着装行为下实测运行参数与期望参数对应的建筑空调能耗比推荐标准下能耗分别降低了10.86%和13.16%。而基于典型着装行为的实验热学性能参数下,平均只降低4%,说明由着装热阻关联的主观温度需要按地区着装行为进行修正。提出了控制建筑空调能耗的着装行为调节模型,着装行为节能率εc为负值时节能,为正值时不节能。京津地区办公建筑节能率为0的临界服装热阻为0.563 clo,空调系统设计和运行节能的前提是,着装热阻低于临界值。着装行为调节模型为地区着装形式和着装面料提供了量化标准,为精确控制建筑能耗提供了一种方法。 相似文献
9.
研究旨在运用时间序列和支持向量回归(support vector regression,SVR)理论,建立短期玉米价格预测模型,为玉米市场监测预警提供技术支持与决策依据。本研究根据玉米价格序列波动的非线性特征,以河南省2010年1月1日—2019年6月30日的月度数据为研究对象,结合混沌性时间序列与SVR理论,研究一种短期玉米价格预测模型。通过相空间重构的方法对价格序列进行处理,利用重构后的数据训练模型,运用网格交叉验证(GridSearchCV)对研究模型进行优化。得到一种基于时间序列支持向量回归的玉米价格预测模型。将研究模型的预测结果进行对比分析,结果显示,研究模型的预测值更贴近真实值,其平均相对误差(MRE)和均方根误差(RMSE)分别为0.006和20.57,优于传统支持向量回归模型的预测结果。研究模型可以为玉米价格预测提供方法依据,且相较于传统预测方法在精度方面具有优势。 相似文献
10.
利用混合蛙跳算法优化基于APSIM的旱地小麦产量形成模型参数 总被引：1，自引：0，他引：1
模型参数的快速、准确估算是产量形成模型应用的重要前提。在基于APSIM (agricultural production systems simulator)的旱地小麦产量形成模型参数本土化率定过程中, 存在体量大、耗时长、精度低、效率低的缺点, 本研究利用智能算法优化模型参数, 试图解决上述问题。依据甘肃省定西市安定区李家堡镇麻子川村2002—2005年、凤翔镇安家沟村2015—2016年大田试验数据以及定西市安定区1971—2016年气象和产量资料, 运用混合蛙跳算法分组轮换和全局信息交换的智能策略, 对基于APSIM的旱地小麦产量形成模型参数进行了优化, 并采用相关性分析方法检验。该优化方法利用青蛙智能的群体生物进化学习策略, 可实现对小麦产量形成模型参数的估算, 较APSIM平台参数本土化率定常用的穷举试错法, 参数优化后产量模拟精度显著提高, 均方根误差(RMSE)平均值由79.13 kg hm -2降低到35.36 kg hm -2, 归一化均方根误差(NRMSE)平均值由5.97%降低到2.63%, 模型有效性指数(ME)平均值由0.939提高到0.989。该方法全局优化能力强, 收敛速度快。 相似文献
11.
基于人工蜂群算法优化支持向量机的 采场底板破坏深度预测 总被引：5，自引：0，他引：5
为确定合理的底板防水煤岩柱尺寸,减少底板突水安全事故的发生,利用支持向量机(SVM)与人工蜂群算法(ABCA)综合研究底板破坏深度问题。由于SVM训练参数惩罚因子 C 和核函数宽度 g 的选择对预测精度的影响显著,采用ABCA优化该训练参数的选择过程,建立基于SVM的底板破坏深度预测模型。选取采深、煤层倾角、采厚、工作面斜长、底板抗破坏能力和是否有切穿断层或破碎带作为影响底板破坏深度的主要影响指标,利用现场实测的30组数据作为样本对该模型进行训练和预测。结果表明：该预测模型的平均相对误差为12.5%,平均绝对误差为 0.986 m ,均方误差为0.005,平方相关系数为0.980,较其他预测模型具有更强的泛化能力和更高的预测精度。 相似文献
12.
基于随机森林算法的日光温室内气温预测模型研究 总被引：2，自引：0，他引：2
开展日光温室气温预报,为农业生产提供参考,指导农户采取调控措施,为作物生长提供适宜条件,促进品质和产量提升。研究选取温室外气温、日照等气象因子,建立随机森林算法预测模型,就室内最低、最高气温进行拟合预测分析和预测因子重要性评估。结果表明,温室内最低、最高气温拟合值与观察值的拟合度分别达99.69%和99.85%,温室外最低气温是室内最低气温的重要预测因子,室外日照是室内最高气温的重要预测因子。同时建立支持向量机、神经网络、多元回归、逐步回归模型,通过对各个模型中平均绝对误差、均方根误差等3个指标进行比较,得出随机森林模型的预测精度优于其他模型。基于随机森林算法的气温预测模型精确度较高,可推广应用到后期日光温室气温预测中。 相似文献
13.
基于遗传算法结合偏最小二乘的潮土碱解氮高光谱特征及含量估测 总被引：2，自引：0，他引：2
提取土壤碱解氮特征光谱是利用高光谱数据进行其含量估测的关键。对山东省典型潮土土壤样本测试高光谱并进行变换;采用遗传算法（GA）结合偏最小二乘法（PLS）,在筛选潮土碱解氮含量特征谱区的基础上,构建潮土碱解氮含量偏最小二乘（PLS）回归估测模型;优选最佳模型并与相关分析、逐步回归分析和单纯偏最小二乘回归分析的模型进行比较。结果表明：潮土碱解氮特征波段为449~469nm,988~1001nm,1065~1078nm,1716~1736nm,1912~1925nm,2213~2233nm,2262~2275nm;基于各输入光谱特征谱区构建的估测模型决定系数R 2均较高,其中基于反射率一阶导数光谱筛选的特征谱区,构建的模型精度最高,数据点（147个）为原始全谱的7.17%,建模R 2达到0.97,均方根误差RMSE为4.78mg/kg,验证R 2为0.95,RMSE为5.49mg/kg,对潮土碱解氮含量具有较好的预测准确性;在光谱变换形式中,反射率的一阶导数表现最佳;方法比较显示采用遗传算法结合偏最小二乘（GA-PLS）获得较高预测精度的同时,可简化模型。说明遗传算法结合偏最小二乘法（GA-PLS）,可有效筛选土壤碱解氮的特征波段,减少模型参与变量,提高估测精度。 相似文献
14.
To get the relationship between assembly fault rate and its attributes, least squares support vector machine (LSSVM)is introduced to quantitatively study assembly fault rate. Aiming at the drawbacks of assembly reliability evaluation method(AREM), the attributes of assembly-fault-rate-affecting 5M1E(Man, Machine, Material, Method, Measurement and Environment) factors obtained by AREM are improved, hence the LSSVM model with all attributes is established. To reduce the time of calculating the assembly fault rate and provide the priority for assembly reliability improvement, grey relation analysis is applied to extracting the main attributes, at the same time genetic algorithm(GA)is used for parameter optimization in LSSVM. The assembly fault rate analysis results show that the method using grey relation analysis and least square support vector machine is simpler and more accurate compared with other methods such as LSSVM model using all attributes and BP neural network using main attributes. 相似文献
15.
Visible and near infrared (vis/NIR) spectroscopy combined with chemometrics were investigated to evaluate the effects of simulated transport vibration levels on damage of tomato fruit. A total of 280 tomato samples were randomly divided into 5 groups; each group was subjected to vibration at different acceleration levels. A total of 230 samples (46 from each group) were selected as a calibration set; whereas 50 samples (10 from each group) were selected as a prediction set. Raw spectra, differentiation (the first derivative) spectra, extended multiplicative scatter correction (EMSC) processed spectra and standard normal variant combined with detrending (SNV–DT) processed spectra were used for calibration models. SNV–DT processed spectra had the best performance using for partial least squares (PLS) analysis. The PLS analysis was implemented to calibrate models with different wavelength bands including visible, short-wave near infrared (SWNIR) and long-wave near infrared (LWNIR) regions. The best PLS model was obtained in the vis/NIR (600–1600 nm) region. Using a grid search technique and radial basis function (RBF) kernel, four least squares support vector machine (LS–SVM) models with different latent variables (7, 8, 9, and 10 LVs) were compared. The optimal model was obtained with 9 LVs and the correlation coefficient (r), root mean square error of prediction (RMSEP) and bias for the best prediction by LS–SVM were 0.984, 0.137 and 0.003, respectively. The results showed that vis/NIR spectroscopy could be applied as a reliable and rapid method for predicting the effect of vibration levels on tissue damage of tomato fruit. 相似文献
16.
为分析棉花叶片全氮含量（LNC）与冠层光谱反射特征的关系,实现作物生长过程中氮素水平的快速、准确和无损监测,以石河子大学教学试验场2019年棉花小区试验为基础,选用多元散射校正、SG平滑算法、变量标准化校正和一阶导数4种方法分别对棉花冠层原始光谱进行预处理,使用随机蛙跳（random frog,RF）和连续投影算法（successive projections algorithm,SPA）筛选特征波长并结合偏最小二乘回归法建立棉花LNC光谱估算模型。RF和SPA算法从棉花冠层398～1000nm的光谱中优选5组LNC的敏感特征波段,波段数目下降了93.0%～96.3%,有效降低了光谱的冗余信息;基于SPA算法筛选的敏感波段构建的LNC偏最小二乘回归模型的决定系数和均方根误差分别为0.52和2.55,模型验证的决定系数和均方根误差分别为0.70和2.37,模型具有较好的精度和稳定性,可作为棉花LNC的无人机高光谱估算方法。 相似文献
17.
在对机械产品进行"功能-运动-动作"结构化分解的基础上,将影响元动作装配单元装配精度的误差源分为零部件的形状误差、位置误差、装配位置误差和运动误差等四类误差源。引入误差链接模型作为元动作装配单元误差关联关系的基本封装单元,构建结构化误差关联模型——链接网络和链接矩阵,形象描述误差间的耦合嵌套关系。提出基于误差链接模型的装配误差传递路径求解方法,用老鼠迷宫算法搜索所有可能的误差传递路径,以装配精度最高作为判别依据,得到各误差分量的有效传递路径。以蜗杆转动元动作装配单元蜗杆轴线平行度误差有效传递路径为目标,对上述方法进行验证,结果表明该方法能够高效地搜索到所有误差传递路径,并快速获得有效传递路径。该方法的提出为整机装配过程质量预测与控制提供了理论依据。 相似文献