搜索结果: 1-15 共查到“Svr”相关记录49条 . 查询时间(0.078 秒)
Remote Sensing Estimation of Forest Aboveground Biomass Based on Lasso-SVR
aboveground biomass remote sensing estimation Lasso algorithm support vector regression model
2023/12/1
With the Lutou Forest Farm as the research area, the Lasso algorithm was used for characteristic selection, and the optimal combination of variables was input into the support vector regression (SVR) ...
基于GWO-SVR的锂电池剩余使用寿命预测
锂离子电池 剩余使用寿命 灰狼优化 支持向量回归
2024/3/12
锂离子电池剩余使用寿命预测在电池管理系统中发挥着重要作用,准确预测其剩余使用寿命能够保障电池的安全稳定运行。由于支持向量回归SVR（support vector regression）参数内核选择较为困难,为此提出灰狼优化—支持向量回归GWO-SVR（gray wolf optimization-SVR）方法,使用灰狼算法优化其内核参数,根据NASA预测中心提供的电池数据集对该方法进行了验证。通过...
针对复杂结构优化设计中常出现的低效率、低精度问题，提出支持向量回归机(SVR)响应面与进化多目标优化算法相耦合的优化系统。基于结构风险最小化推导SVR响应面建立原理，采用具有异点预测值可对比特色的正交旋转组合设计作为样本点选取法，以获得最优试验区。基于NSGA-Ⅱ范式原理建立区间偏好进化优化算法并构建优化系统框架。以45 t门机主梁为研究对象，指定5个几何参数为设计变量，对最大位移、应力进行约束，...
为实现拉曼光谱技术对食用油加热后反式脂肪酸(TFAs)含量的快速预测,将3种食用油在190℃下(常用煎炸温度)进行不同时间加热,每个样品采集36条拉曼光谱。首先,采用多项式平滑与标准正态变量变换(SNN)对原始光谱数据进行预处理,以去除背景和噪音的干扰,然后采用无信息变量消除法(UVE)对光谱数据进行特征变量筛选,最后分别基于全谱数据和筛选的特征光谱变量建立定性和定量分析模型,并对试验结果进行对比...
针对目前滑坡位移预测研究中存在的随机性位移无法分解与预测、支持向量机(SVR)模型中输入向量权值无差异、最优训练组合无法确定等问题，基于时序分析理论和变分模态分解(VMD)，结合灰狼优化算法(GWO)、最大信息系数(MIC)和SVR，提出一种新型滑坡位移预测模型。该模型首先采用时序分析法和VMD，将滑坡实际累积位移分解为趋势性位移、周期性位移和随机性位移。然后基于滑坡对各类影响因素的响应分析，为3...
为实现苹果叶片叶绿素含量的高光谱反演，分析了多种光谱参数与实测SPAD值的相关性，并将归一化光谱参数值及SPAD值进行多项式回归及支持向量回归。其中以归一化植被指数为变量的SVR（Support vector regression）反演模型在建模及模型检验中决定系数分别为0.7410、0.8914，均方根误差分别为0.1332、0.1256，具有较高的精度及良好的预测能力。与多项式回归相比，SVR...
针对行驶过程中轮胎侧滑量、路面性质等不确定性因素导致传统拖拉机二轮运动学模型难以准确描述拖拉机运动轨迹的问题，提出了一种基于SVR(Support vector regression)逆向模型的拖拉机导航纯追踪控制方法。采用粒度支持向量回归(Granular support vector regression，GSVR)方法建立了拖拉机前进航向的逆向模型，实时获得实际转弯曲率与运动学理论转弯曲率的...
针对实际应用中数据的批量到达, 以及系统的存储压力和学习效率低等问题, 提出一种基于信念修正思想的SVR 增量学习算法. 首先从历史样本信息中提取信念集, 根据信念集和新增数据的特点选择相应的信念集建立支持向量回归模型并进行预测; 然后对信念集进行修正, 调整当前认知状态, 使该算法对在线和批处理增量学习都有很好的适应性. 在标准数据集上的测试验证了算法的良好性能; 在某机场噪声实测数据上的对比实...
多智能体粒子群优化的SVR 模型预测控制
支持向量回归机 多智能体 粒子群优化 模型预测控制
2014/4/11
参数的优化选择对支持向量回归机的预测精度和泛化能力影响显著, 鉴于此, 提出一种多智能体粒子群算法(MAPSO) 寻优其参数的方法, 并建立MAPSO支持向量回归模型, 用于非线性系统的模型预测控制, 推导出最优控制率. 采用该算法对非线性系统进行仿真, 并与基于粒子群算法、基于遗传算法优化支持向量回归机的模型预测控制方法和RBF 神经网络的预测控制方法进行比较, 结果表明, 所提出的算法具有更好...
基于ASGSO-SVR模型的瓦斯传感器故障诊断
瓦斯传感器 故障诊断 ASGSO算法 支持向量回归
2013/12/9
针对现行煤矿瓦斯传感器常见的卡死、冲击、漂移等故障，运用支持向量回归机建立多传感器数据融合的瓦斯浓度预测模型，详细研究影响该预测模型精度的相关参数选择方法，提出用ASGSO算法自适应优化支持向量机预测模型参数的算法，将模型预测结果与现场实测瓦斯浓度相比较得到残差δ，用于对瓦斯传感器故障的诊断。用现场监控数据对该方法进行离线仿真实验，得到残差信号的变化曲线。通过选择合理的阈值，判断传感器是否处于故障...
基于SVC 和SVR 约束组合的迁移学习分类算法
支持向量机 支持向量分类 支持向量回归 迁移学习
2014/7/21
根据迁移学习思想, 针对分类问题, 以支持向量机(SVM) 模型为基础提出一种新的迁移学习分类算法CC-TSVM. 该方法以邻域间的分类超平面为纽带实现源域对目标域的迁移学习. 具体地, 以支持向量分类的约束条件完成对目标域数据的学习, 获取分类超平面参数, 再以支持向量回归的约束条件有效利用源域数据矫正目标域超平面 参数, 并在上述组合约束的共同作用下实现邻域间迁移, 提高分类器性能. 在人工和...
FOA-SVR在交通流预测中的研究
果蝇算法 交通流预测 支持向量回归机 优化参数
2014/7/4
交通流量预测是实现智能交通系统的重要工作。为了更准确地对交通流量进行预测，结合支持向量回归机(SVR)与果蝇算法(FOA)，提出了FOA-SVR的交通流量预测模型。利用果蝇算法优化支持向量回归机的训练参数，以得到预测性能更好的支持向量回归预测模型。仿真结果表明，FOA-SVR模型比传统的支持向量机模型预测精度更高，可以更好的对交通流进行预测。
基于贝叶斯LS-SVR的锂电池剩余寿命概率性预测
锂电池 剩余寿命 概率性预测 最小二乘支持向量回归(LS-SVR) 不确定性管理
2013/11/12
提出了一种基于贝叶斯最小二乘支持向量回归(LS-SVR)的锂电池剩余寿命在线概率性预测方法。首先,通过滚动窗方法选取锂电池历史健康退化数据,并根据相空间重构原理建立训练样本,其中最小嵌入维数使用Cao氏方法计算获得。然后,运用贝叶斯3层推理训练LS-SVR预测模型,在迭代预测阶段,采用蒙特卡罗方法来表示和管理多步预测中的不确定性及其传递,即用一群离散粒子来近似连续分布,结合"退化轨迹不相交"原则和...
提出了一种串级PID+非线性模型预测控制(NMPC)的混合控制方案,用于涡轴发动机控制系统中。其中:主控制回路采用串级PID控制器以消除静差保证系统稳定;带约束优化的预测控制器则用于实时燃油补偿,以增强发动机系统对直升机功率需求的快速跟随能力。该预测控制器是基于在线预测模型实现,首先在VC环境下设计在线滚动最小二乘支持向量回归机(OSLS-SVR),在线训练高精度、实时性好的内嵌式预测模型,其测试...
Multistep-ahead River Flow Prediction using LS-SVR at Daily Scale
Multistep-ahead Prediction Kernel-based Learning Least Square-Support Vector Regression (LS-SVR) Daily River Flow Narmada River
2013/3/19
In this study, potential of Least Square-Support Vector Regression (LS-SVR) approach is utilized to model the daily variation of river flow. Inherent complexity, unavailability of reasonably long data...