共查询到10条相似文献，搜索用时 15 毫秒
1.
2.
降水量的变化受到许多因素影响,其动态特征呈现复杂的非线性,使得预测难度较大。为了提高降水量预测精度,提出了一种基于局域支持向量机的降水量预测方法,对月降水量时间序列进行参数提取,构造相空间,使用支持向量回归模型代替局域线性模型,使用邻近点训练该局域支持向量回归模型。仿真结果表明,该方法预测精度高,在旱涝预测方面有较好的应用前景。 相似文献
3.
任丕顺 《湖南农业大学学报(自然科学版)》2009,35(6)
为了解决实验数据的拟合问题,用支持向量回归机对实验数据进行回归拟合,给出了具体实现方法,并用典型的二次函数对响应面模型的回归精度进行了数值验证.针对树脂零件的成型工艺参数的优化设计问题,给出了支持向量回归机响应面模型的应用方法.实例证明了所提出方法的有效性和实用性. 相似文献
4.
基于支持向量机模型的大型灌区运行状况综合评价研究 总被引：1，自引：0，他引：1
支持向量机(SVM)是由VAPNIK等提出的建立在统计学习理论基础上的一种小样本机器学习方法.由于使用结构风险最小化原则代替经验风险最小化原则,使它较好地解决了小样本情况下的学习问题.引入了核函数思想,使它将非线性问题转化为线性问题来解决,降低了算法的复杂度.提出了大型自流灌区运行状况综合评价标准,探讨了利用支持向量机多类分类算法,构建了大型灌区运行状况的综合评价模型.研究表明:该方法简便、客观,并具有较强的实用性,能够正确地对大型灌区运行状况进行综合评价. 相似文献
5.
作为一种新的机器学习方法,依据结构风险最小原理,支持向量机表现出独特的泛化和推广能力,已逐渐成为国内外机器学习研究的热点之一。简要回顾了传统支持向量机的发展历史与基本理论,介绍了支持向量机的改进算法,系统总结了支持向量机在分类与回归问题中的具体应用实例及其优势。经过近30年的发展,出现了诸多改进的支持向量机算法,支持向量机的理论逐渐完善,其应用也得以深入各个研究领域,在解决小样本数据的分类与回归问题具有良好的应用优势,在智能故障诊断、图像处理、石油探勘与开发、说话人识别、水质检测与评价、金融预测、气象预测等方面获得了良好的应用效果。 相似文献
6.
《河北北方学院学报(自然科学版)》2016,(5)
目的在短时间内实时性预测交通流量值是构建交通管理系统的重要内容。交通流量数据存在着不确定性、复杂性和非线性等显著特点,使流量值的实时预测难度增大,交通流量的精准预测一直是行业内亟待解决的问题。基于已有学者研究基础之上,构建基于相关向量机方法的交通流量预测模型。方法相关向量机的预测精度优于逻辑回归和支持向量机方法,且相关向量机方法具有产生预测误差范围的功能,对于实际交通流量序列数据,采用基于相关RVM的交通流量预测模型。结果预测结果十分理想,预测速度比其他2种模型明显加快,达到了交通流量预测的实时性要求,适合于实时在线预测,且所用方法的预测精度相对较高。三方面的对比分析表明,利用相关向量机方法对交通流量进行预测可以较为精确地描述出交通流量变化的非线性特点,模型性能和实时性都较好。结论实例分析表明,基于相关向量机的交通流量预测模型可以提高预测的速度和精度,非常适用于有实时性要求的交通流量预测估计,为实时性测量交通流量值提供了一种科学的方法。 相似文献
7.
8.
支持向量机(SVM)是一种基于统计学理论提出的新通用机器学习方法,它建立在统计学理论的结构风险最小原理和VC维理论基础上,能够较好的解决小样本、非线性、高维数和局部极小点等实际问题。现提出利用MATLAB编写支持向量机代码对稻米淀粉的近红外光谱进行预测分析。实验证明,通过MATLAB的libsvm工具箱建立模型对稻米淀粉含量进行预测是可行的。 相似文献
9.
10.
【目的】提出一种基于小波分析-支持向量机(WA-SVM)的水库溶解氧预测模型,以期提高水库溶解氧的预测精度。【方法】通过小波分解,将原始复杂的溶解氧浓度序列分解到不同的高频和低频层次,对每层得到的分解重构序列分别采用支持向量机回归方法进行预测后,合成原始序列的预测值,将该模型应用到于桥水库溶解氧浓度序列的预测中,并与单独支持向量机(SVM)回归方法预测结果进行比较。【结果】WA-SVM方法预测精度较SVM方法有较大提高,其平均绝对百分比误差和均方根误差分别为0.04937和0.3453,而SVM方法的分别为0.08493和0.6319。【结论】WA-SVM方法综合运用了小波分析的多分辨特性和支持向量机的非线性回归功能,能够较准确地预测水库溶解氧浓度。 相似文献