支持向量机的冷端玻璃板位置建模

为对室内轰燃进行准确预测,针对室内轰燃样本的不足在一定程度上制约了其应用,为此运用svm技术构建室内轰燃预测的数学模型。在小样本条件下,应用工具软件libsvm进行仿真,并将svm模型预测结果和人工神经网络预测结果进行对比。结果显示,svm技术能较好地解决小样本和模型预测精确度之间的矛盾,svm模型其预测精度及可行性高于神经网络模型。实例表明,由于室内火灾受多种因素影响,传统的预测方法存在一定的局限性,而svm模型预测法预测的结果与试验结果比较一致。

表演现象这个魔术一共用到三个道具,一个竖向开有四个小圆孔的有机玻璃板,一个同样开有圆孔的、可罩住玻璃板的套框,一条白色的绳子,三样物品皆可给观众检查。表演开始,表演者将有机玻璃板装入套框中,观众可以看到玻璃板上的圆孔和套框上的圆孔是完全重合的。表演者把绳子从套框上面的第一孔穿进去,这个动作也可以让观众来做,让观众确信玻璃板和套框已经由绳子穿在了一起。

边坡角设计的支持向量机建模与精度影响因素研究——运用人工智能领域最新的基于结构风险最小化原理的机器学习算法——支持向量机(svm)算法，采用线性linear和径向基函数rbf两种核函数以及￡不敏感和quadratic两种损失函数，并且考虑惩罚参数c的不同，编写了相...

有人提出，利用平面镜的成像特点，可以估测玻璃板的厚度．常见的试题是：“笔尖跟厚玻璃板接触，此时笔尖跟它在玻璃板里所成的虚像之间的距离为dmm，则玻璃板的厚度约为——mm”．我们拜读到的答案均为“d/2mm”

家里的照片通常放在玻璃镜框内，或压在桌子上的玻璃板下，但时间一长，照片容易和玻璃粘在一起，不易取下。硬拉，会把照片拉坏；用水浸泡，取下的照片会变形。比较好的办法如下：

提出了一种新的支持向量机(supportvectormachines,svm)机械系统状态组合预测模型。应用fpe(finalprincipleerror)准则优化样本的维数,采用时域内的振动烈度和频域内的特征频率分量作为预测机械系统状态的敏感因子,构建了预测模型。支持向量机采用新型的结构风险最优化准则,预测能力强、鲁棒性好。采用径向基函数和ε损失函数,将该模型应用于实验台和旋转注水机组的状态预测,取得了较好的效果。这表明利用支持向量机的组合预测模型,可以降低设备维修代价,提高设备的安全性和可靠性。

故障样本的缺乏严重制约智能故障诊断的发展,本文提出支持向量机应用到发动机故障诊断中,该方法专门针对小样本集合设计,能够在小样本情况下获得较大的推广,而且模型简单,具体是将汽车在典型故障下尾气中各气体的体积分数作为训练样本。用处理过的样本和最优参数建立基于支持向量机的多元分类器模型,进行故障类别诊断。经过libsvm工具箱进行仿真,结果表明经优化后的支持向量机对于小样本故障诊断有很高的准确率。

基于支持向量机的砂土液化预测模型——分析了砂土液化的主要影响因素，建立了砂土液化的支持向量机预测模型。该模型能通过有限经验数据的学习，建立砂土液化类型与其影响因素之间的非线性关系。运用所建立的模型对具体的砂土液化类型进行了评判，评判结果表明，...

根据电力负荷序列的混沌特性,提出混沌理论和蚁群优化支持向量机结合的电力系统短期负荷预测新方法,以相空间重构理论确定支持向量机的输入量个数;训练样本集由对应预测相点的最近邻相点集构成,且是按预测相点步进动态相轨迹生成;采用蚁群优化算法对支持向量机敏感参数进行优化,从而可增强预测模型对混沌动力学的联想和泛化推理能力,提高负荷预测的精度和提高预测稳定性。对某地区负荷系统日、周预测仿真测试,证明其可获得稳定的较高预测精度。

针对防洪风险因风险主体而异的特点,提出了防洪脆弱性的定义,选取影响临灾破坏程度的因子建立了评价指标体系,以所选指标的自然断裂法分级作为训练样本,建立了基于支持向量机的评价模型。应用实例的评价结果符合北江下游的防洪态势,说明了该模型方法的可行性、合理性和有效性。与传统的计点系统模型相比,支持向量机模型的评价结果更接近实际情况。

为了科学预测与评估煤矿采动引起的建筑物采动损害程度,在系统分析建筑物采动损害影响因素的基础上,基于支持向量机理论,利用矿区典型建筑物采动损害案例,首次建立了煤矿开采影响下建筑物采动损害程度的支持向量机预测模型,并测试了该模型的可行性和可靠性.研究成果可为建筑物采动损害预测提供一条新的技术途径.

分析了空调工作过程中温度控制的重要性与传统方法的不足,将基于统计学习理论的支持向量机方法用于控温过程中,对温度进行实时预测。采用数字实验对所提方法的可行性进行验证,结果表明该方法可以获得比传统方法更高的预测精度,实时性较高,能为空调控温系统提供更好的决策支持,具有较大的发展潜力和实用价值。

针对室内环境因素多元化、动态变化的特点和目前评价方法的不足,建立了基于支持向量机的室内舒适度混合评判模型。首先将从真实环境中采集的数据集进行数据规范化处理;然后根据群体和个体感觉,分别用离线训练和在线训练的方法训练分类器;最后使用训练好的分类器预测样本的标签。以matlab为开发工具,编写了基于支持向量机的室内舒适度评价算法,并与bp神经网络和概率神经网络等室内舒适度评价算法进行了比较,仿真结果表明,该方法是可行且有效的。

支持向量机作为基于统计学理论的机器学习方法，在人工智能识别方面的研究起到了重要的作用。本文将支持向量机智能识别方法引入到机械设备的故障诊断当中，并对支持向量机模型起到关键作用的惩罚因子c和核参数g采用了交叉验证的方法进行最优化计算。建立了基于优化的支持向量机的机械设备故障诊断模型，并且进行了相关实验，实验表明，采用本文介绍的基于支持向量机的故障诊断方法可有效识别出机械设备的故障类型，对机械设备的故障诊断提供了有效的诊断方法。

基于支持向量机方法的深基坑变形预测——提出了深基坑变形预测的一种新方法，即支持向量机方法．该方法根据有限的学习样本，建立了各种影响因素和深基坑变形之问的一种非线性映射．基于已有的深基坑变形资料，采用支持向量机模型，对深基坑现场实例进行了预测，...

本文从我国工程索赔现状出发,分析了合理工效的影响因素,建立了支持向量机合理工效费用模型,收集了24个实际工程案例运用支持向量机对费用进行预测,结果表明了模型的有效性。

继电保护状态评价工作一直以来都是状态检修的重点和难点。提出一种基于模糊支持向量机的继电保护状态评价方法。首先,获取智能变电站继电保护装置的历史数据,从中选择合适的状态评价因素,再对状态评价因素进行数据预处理,并根据状态巡视及故障记录计算装置在各巡视点的百分比剩余寿命,生成训练样本集。然后通过模糊支持向量机回归训练生成模型,利用在线巡视记录,对装置状态进行在线评估。并根据最差指标,判定装置的当前状态,作为最终的在线状态评价结果。仿真分析表明,方法通过引入样本权重,能够区分本装置样本和同型号装置样本的不同,使得算法能够兼顾装置的个性和家族性共性,并具备一定的抗噪能力。

工程岩体抗剪强度参数选取的支持向量机模型——影响工程岩体抗剪强度参数的因素复杂，且具有不确定性，由于支持向量机模型不仅能考虑定量因素，而且能考虑定性因素的影响，因而支持向量机适用于解决非确定性的工程岩体抗剪强度参数的选取问题。文中建立了选取工...

针对模拟电路的故障诊断问题,详细介绍了支持向量机算法,由于它在非线性映射、小样本学习方面的独特优势,故将它引用到模拟电路的故障诊断过程中。并提出了一种基于支持向量机的诊断方法,该算法能够对被测电路的故障进行有效并且精确地分类。以折线逼近平方曲线的近似测量电路为例,设计了基于支持向量机的模拟电路故障诊断系统。以实际测试数据作为训练样本进行学习训练后,对其它实际测量数据进行诊断,其结果正确,验证了算法的有效性。

针对风电功率序列的不确定性和随机性特征,提出基于聚类经验模态分解(eemd)和支持向量回归机(svr)的风电功率预测模型。同时,为克服支持向量回归机依赖人为经验选择学习参数的弊端,采用纵横交叉算法(cso)优化支持向量回归机学习参数。首先,利用聚类经验模态分解将原始风电功率序列分解为一系列复杂度差异明显的子序列。然后,分别对每子序列单独建立cso-svr预测模型。最后,叠加各子序列的预测值得到实际预测结果。实例研究表明,所提模型能获得优良的风电功率预测结果。

基于支持向量机的空调控温过程实时预测——文章分析了空调工作过程中温度控制的重要性与传统方法的不足，将基于统计学习理论的支持向量机方法用于控温过程中，对温度进行实时预测。采用数字实验对所提方法的可行性进行验证，结果表明该方法可以获得比传统方法更...

岩爆分类的支持向量机方法——针对岩爆分类问题，提出了基于支持向量机的分类方法。通过对影响岩爆因素的分析，运用支持向量机理论建立岩爆类别的支持向量机模型。结果表明，基于支持向量机的岩爆分类方法具有较高的准确率，该方法是科学可行的，具有广泛的应用...