期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到64篇文章
< 1 2 … 4 >
每页显示 20 50 100
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于CGA-SVR的电主轴磨损故障诊断方法研究 认领 引用 被引量：7
1
作者 魏许杰 王红军 +1 位作者 邢济收 徐小力 《电子测量与仪器学报》 CSCD 北大核心 2022年第6期107-112,共6页
电主轴是数控机床的一个重要功能部件,其优劣直接影响着工件质量,对电主轴进行故障诊断可以提高可靠性、降低生产成本。因此采用混沌遗传算法(CGA)优化的支持向量机回归模型(SVR)进行电主轴故障诊断。此方法利用主成分分析(PCA)对电主... 电主轴是数控机床的一个重要功能部件,其优劣直接影响着工件质量,对电主轴进行故障诊断可以提高可靠性、降低生产成本。因此采用混沌遗传算法(CGA)优化的支持向量机回归模型(SVR)进行电主轴故障诊断。此方法利用主成分分析(PCA)对电主轴磨损故障振动信号的时、频域特征向量进行降维,将降维后的特征向量输入到经过CGA参数优化的SVR模型中并进行训练和测试。结果表明,使用该模型对电主轴进行故障诊断,其训练和测试的准确率分别达到了99.272%和95.249%,可以实现对电主轴磨损故障进行准确诊断。 展开更多
关键词 电主轴 故障诊断 支持向量法 混沌遗传算法
暂未订购 下载PDF
基于GA-SVR的挤压机能耗异常检测模型研究 认领 引用 被引量：7
2
作者 杨海东 江海昌 +3 位作者 方华 李洪丞 印四华 朱成就 《机床与液压》 北大核心 2019年第5期163-168,共6页
挤压机作为铝型材生产的关键设备,其稳定性和可靠性是保障铝型材正常生产的前提。传统的设备异常检测方法属于侵入式检测,需要依靠外围仪器嵌入生产设备进行分析,检测成本高、自适应能力差。而能耗异常检测作为一种新颖的非侵入式检测手... 挤压机作为铝型材生产的关键设备,其稳定性和可靠性是保障铝型材正常生产的前提。传统的设备异常检测方法属于侵入式检测,需要依靠外围仪器嵌入生产设备进行分析,检测成本高、自适应能力差。而能耗异常检测作为一种新颖的非侵入式检测手段,能够有效反映设备的运行工况,及时发现挤压过程的异常情况。为此将支持向量回归(SVR)与遗传算法(GA)相结合,提出一种基于GA-SVR的挤压机能耗异常检测模型。首先,根据挤压生产特点分析影响挤压能耗的关键因素,建立关键能耗因素为输入、电耗为输出的GA-SVR能耗预测模型。其次,考虑异常点的不确定性,基于GA-SVR模型构建单产能耗的置信区间并将其作为能耗异常区间。最后,以SY-1000Ton型挤压机为对象进行数值实验,验证所提模型的有效性。实验结果表明:置信度达到97%以上时所提模型检测能够准确地检测到挤压异常,这对保证挤压机稳定生产具有重要意义。 展开更多
关键词 铝型材挤压机 能耗异常 GA-SVR 置信区间
暂未订购 下载PDF
基于GA-SVR的CO_2驱原油最小混相压力预测模型 认领 引用 被引量：10
3
作者 孙雷 罗强 +1 位作者 潘毅 冯洋 《大庆石油地质与开发》 CAS CSCD 北大核心 2017年第3期123-129,共7页
为了得到更精确的CO_2驱原油最小混相压力,考虑挥发组分(N_2+CO_2+CH_4+H_2S)含量、中间烃组分(C2-6)含量、重质组分(C_7^+)含量、重质组分的相对分子质量、重质组分密度以及温度的影响,建立了基于遗传算法参数寻优的支持向量回归机... 为了得到更精确的CO_2驱原油最小混相压力,考虑挥发组分(N_2+CO_2+CH_4+H_2S)含量、中间烃组分(C2-6)含量、重质组分(C_7^+)含量、重质组分的相对分子质量、重质组分密度以及温度的影响,建立了基于遗传算法参数寻优的支持向量回归机模型。模型优点在于使数据结构风险最小化,是基于数据精度高和回归函数复杂性适宜的条件下进行全局参数寻优得到最优模型,根据测试样本数据可以给出预测结果,得到更为准确的最小混相压力数值。该模型计算结果平均相对误差为3.44%,与文献中的实验结果、细管实验结果对比,具有较好的准确性。 展开更多
关键词 CO2驱 最小混相压力 遗传算法 模型 支持向量回归机
暂未订购 下载PDF
基于GA-SVR的渗透系数参数反演方法 认领 引用 被引量：6
4
作者 陈海洋 滕彦国 王金生 《水文地质工程地质》 CAS CSCD 北大核心 2011年第2期14-18,共5页
渗透系数参数反演的本质是优化问题求解,遗传算法是一种基于自然选择和群体遗传机理的新的全局优化求解方法,可以较好地用于求解诸如渗透系数参数反演等复杂非线性组合优化问题。基于结构风险最小化原理的支持向量机具有逼近复杂非线性... 渗透系数参数反演的本质是优化问题求解,遗传算法是一种基于自然选择和群体遗传机理的新的全局优化求解方法,可以较好地用于求解诸如渗透系数参数反演等复杂非线性组合优化问题。基于结构风险最小化原理的支持向量机具有逼近复杂非线性系统、较强的学习泛化能力,可以用来计算渗透系数参数反演过程中的测点水头值。实验表明,基于遗传算法-支持向量回归机的地下水渗透系统参数反演拟合效果良好,能大大提升区间搜索效率,避免出现局部最优解,其参数识别精度符合实际应用要求。 展开更多
关键词 支持向量回归机 遗传算法 渗透系数 参数反演
暂未订购 下载PDF
结合回归分析与改进GA-SVR的风机噪声预测 认领 引用 被引量：4
5
作者 余金 何山 +2 位作者 程静 王维庆 杨少平 《中国科技论文》 CAS 北大核心 2015年第23期2805-2809,2814,共5页
针对风电机组噪声测量过程复杂的状况,研究IEC 61400-11风电机组噪声测量标准,提出用非声学参数对机组噪声的A计权声压级进行预测。分析基于遗传算法的支持向量机回归(GA-SVR)的不足并提出改进措施,结合实际情况平衡了遗传算法(GA)的终... 针对风电机组噪声测量过程复杂的状况,研究IEC 61400-11风电机组噪声测量标准,提出用非声学参数对机组噪声的A计权声压级进行预测。分析基于遗传算法的支持向量机回归(GA-SVR)的不足并提出改进措施,结合实际情况平衡了遗传算法(GA)的终止条件,针对样本特性会影响SVR预测精度的问题,提出采用回归分析对样本特性进行处理。应用统计软件SAS完成了基于回归分析的变量筛选,去除了变量间的共线性并实现了降维;再通过异常点诊断,剔除了数据中的强影响点;最后将处理后的样本引入改进的GA-SVR建立预测模型。通过实测的风电场数据,应用回归分析、改进的GA-SVR及两者结合的方法进行了噪声预测,其中结合预测的方法精度最高,其预测结果的相对误差平均值仅为0.775 7%,具有实际可行性。 展开更多
关键词 风电机组 噪声预测 回归分析 支持向量机 遗传算法
暂未订购 下载PDF
基于SPA-GA-SVR模型的土壤水分及温度预测 认领 引用 被引量：14
6
作者 朱成杰 汪正权 《中国农村水利水电》 北大核心 2024年第1期30-36,共7页
土壤湿度和温度是影响水文循环和气候变化的重要参数,在农业实践活动和生态平衡中起着重要作用。为及时、准确地监测土壤含水量(Soil Moisture Content,SMC)及温度,提出了一种基于高光谱数据的预测方法。实验数据集来自为期5天的实地测... 土壤湿度和温度是影响水文循环和气候变化的重要参数,在农业实践活动和生态平衡中起着重要作用。为及时、准确地监测土壤含水量(Soil Moisture Content,SMC)及温度,提出了一种基于高光谱数据的预测方法。实验数据集来自为期5天的实地测量,所获得的高光谱数据包含大量的噪声及冗余信息,因此首先用Savitzky-Golay卷积平滑对光谱数据进行降噪处理,利用连续投影算法(Successive Projection Algorithm,SPA)提取数据特征波长,然后通过遗传算法(Genetic Algorithm,GA)对支持向量机回归(Support Vector Regression,SVR)的超参数权值和偏置进行优化,构建SPA-GASVR混合算法模型对土壤水分和温度进行预测,并与BP神经网络(Back Propagation Neural Network,BPNN)、SPA-BP、SVR、SPA-SVR、GA-SVR这5种模型的预测性能进行比较。实验结果表明:各模型在土壤湿度低于30%的情况下,表现出的预测能力差异并不显著。但整体上,复合模型相比于单一的神经网络或机器学习模型具有明显的优势,且经过连续投影算法优化的模型进一步的提高其预测能力,最终SPA-GA-SVR算法在各项指标上均优于其他模型,土壤水分预测模型的R2=0.981、RMSE=0.473%,土壤温度预测模型R2=0.963、RMSE=0.883℃。实验证明基于高光谱数据,经过SPA和GA优化的SVR模型能实现对土壤湿度和温度精准的预测。该方法具有一定的应用价值和现实意义,可应用于便携式高光谱仪和无人机上,实现对土壤水分和温度的实时监测,为今后的播种及灌溉提供理论参考。 展开更多
关键词 土壤水分 土壤温度 高光谱 连续投影算法(SPA) 遗传算法-支持向量机回归(GA-SVR)
暂未订购 下载PDF
基于GA-SVR的大学生手机依赖预警系统 认领 引用 被引量：2
7
作者 徐炜君 魏勇 +1 位作者 原大明 刘东升 《杭州师范大学学报（自然科学版）》 CAS 2016年第5期556-560,共5页
针对手机依赖严重影响大学生课堂学习效率的问题,利用GA优化SVR的惩罚因子C、不敏感损失参数ε和核函数参数γ,设计了一种大学生手机依赖预警系统.系统通过手机APP发布和回收手机依赖调查问卷,避免了问卷的发放、收集和数据录入分析等... 针对手机依赖严重影响大学生课堂学习效率的问题,利用GA优化SVR的惩罚因子C、不敏感损失参数ε和核函数参数γ,设计了一种大学生手机依赖预警系统.系统通过手机APP发布和回收手机依赖调查问卷,避免了问卷的发放、收集和数据录入分析等繁琐的工作.系统通过问卷数据建立的GA-SVR预警模型,可以较为准确的预测出学生的综测成绩进而给出预警信息.系统的统计分析功能可以实现任意时段预警信息的统计分析,便于教学管理者和教师掌握学生整体状态并采取应对措施.实际运行结果表明,系统可以自动的进行手机依赖的预警和统计分析,系统分析结果可信、可靠. 展开更多
关键词 遗传算法 手机APP 支持向量回归机 预警系统
暂未订购 下载PDF
基于SAGA-SVR的马铃薯贮藏库温度预测方法 认领 引用
8
作者 胡兵 《保鲜与加工》 CAS 北大核心 2018年第4期49-54,共6页
马铃薯贮藏库温度受室外温度、室内马铃薯呼吸释放温度、通风降温等因素的影响难以准确预测,提出了一种改进遗传算法(Genetic Algorithm,GA)优化支持向量回归机(Support Vector Regression,SVR)的马铃薯贮藏库温度预测方法。该方法针对... 马铃薯贮藏库温度受室外温度、室内马铃薯呼吸释放温度、通风降温等因素的影响难以准确预测,提出了一种改进遗传算法(Genetic Algorithm,GA)优化支持向量回归机(Support Vector Regression,SVR)的马铃薯贮藏库温度预测方法。该方法针对支持向量回归机参数难以选择、容易陷入局部极小的缺点,引入了具有并行性、全局搜索能力强的GA算法,结合局部搜索能力强的模拟退火算法(Simulated Annealing,SA),实现支持向量回归机的自动寻优。以新疆某农产品加工公司马铃薯贮藏库实测温度数据为样本,建立SAGA-SVR马铃薯贮藏库温度预测模型,进行贮藏库温度准确的预测。仿真结果表明,与GA-SVR、反向传播(Back Propagation,BP)温度预测模型的预测结果相比较,SAGASVR预测结果优于GA-SVR、BP预测结果,具有良好的预测效果。该预测方法较好地解决了系统非线性、小样本等问题,为类似应用场合地温度预测提供参考。 展开更多
关键词 马铃薯贮藏库 温度预测 遗传算法 支持向量回归机 模拟退火算法
暂未订购 下载PDF
Performance Prediction of Carbon Fiber Protofilament Based on SAGA-SVR 认领 引用 被引量：1
9
作者 贺聪 任立红 丁永生 《Journal of Donghua University(English Edition)》 EI CAS 2014年第2期92-97,共6页
The existing optimized performance prediction of carbon fiber protofilament process model is still unable to meet the production needs. A way of performance prediction on carbon fiber protofilament was presented based... The existing optimized performance prediction of carbon fiber protofilament process model is still unable to meet the production needs. A way of performance prediction on carbon fiber protofilament was presented based on support vector regression( SVR) which was optimized by an optimization algorithm combining simulated annealing algorithm and genetic algorithm( SAGA-SVR). To verify the accuracy of the model,the carbon fiber protofilament production test data were analyzed and compared with BP neural network( BPNN). The results show that SAGA-SVR can predict the performance parameters of the carbon fiber protofilament accurately. 展开更多
关键词 support vector regression （SVR） machine genetic algorithm（ GA ） simulated annealing algorithm （ SA ） carbon fiber perforrmance prediction
暂未订购 下载PDF
参数协同优化的TSVR增强型TSK模糊系统 认领 引用
10
作者 王维 赵云龙 +1 位作者 彭小玉 潘小东 《计算机科学》 CSCD 北大核心 2025年第7期75-81,共7页
Takagi-Sugeno-Kang(TSK)模糊系统作为特殊的非线性回归系统,能够解决机器学习任务,但其处理高维问题的效果并不理想,且对于规则的确定和调整较为困难。为了优化该系统,将沿用模糊IF-THEN规则。首先运用模糊C均值聚类对数据集进行划分,... Takagi-Sugeno-Kang(TSK)模糊系统作为特殊的非线性回归系统,能够解决机器学习任务,但其处理高维问题的效果并不理想,且对于规则的确定和调整较为困难。为了优化该系统,将沿用模糊IF-THEN规则。首先运用模糊C均值聚类对数据集进行划分,将数据点嵌入表征点到模糊聚类中心隶属度的空间,进而利用孪生支持向量回归机(TSVR)确定两个回归平面,从而得到回归值。考虑到不同数据集适应不同的关键参数,如聚类数等,采用遗传算法(GA)进行统一参数寻优,简化了领域知识的先验设置,形成了TSVR-GA-TSK(TG-TSK)模糊系统。实验结果表明,相比于经典回归算法和典型的TSK模糊系统,TG-TSK模糊系统具有良好的回归精度和鲁棒性,在Nemenyi检验的两两比较中具有显著优势。 展开更多
关键词 TSK模糊系统 TSVR 遗传算法 协同优化 回归任务
暂未订购 下载PDF
基于机器学习的磁性元件磁芯损耗预测方法 认领 引用 被引量：5
11
作者 姚启达 平鹏 +1 位作者 朱心怡 朱新凡 《南通大学学报（自然科学版）》 CAS 2025年第2期29-38,共10页
磁性元件在磁能传递、存储和滤波中起着关键作用,直接影响功率变换器的体积、质量、损耗及成本。因此,准确预测磁芯损耗至关重要。针对励磁波形对磁芯损耗的显著影响,提出了一种基于集成学习的励磁波形分类策略。首先,采用支持向量机(su... 磁性元件在磁能传递、存储和滤波中起着关键作用,直接影响功率变换器的体积、质量、损耗及成本。因此,准确预测磁芯损耗至关重要。针对励磁波形对磁芯损耗的显著影响,提出了一种基于集成学习的励磁波形分类策略。首先,采用支持向量机(support vector machine,SVM)、随机森林(random forest,RF)和梯度提升决策树(gradient boosting decision tree,GBDT)作为基分类器,通过将分类结果与原始特征结合构建新的特征集,并使用元分类器进行训练以提升模型的泛化能力;然后,选择XGBoost作为磁芯损耗预测的核心模型;最后,通过遗传算法进行多目标优化,寻找到最小磁芯损耗与最大传输磁能的最佳工况。实验结果表明:提出的集成学习分类模型能够准确分类励磁波形,XGBoost模型相较于传统磁芯损耗预测模型及其他机器学习模型,展现了更高的预测精度和拟合效果。优化后的模型成功实现了磁芯损耗最小化与传输磁能最大化的平衡。 展开更多
关键词 磁芯损耗 机器学习 多项式回归 XGBoost 遗传算法 支持向量机 随机森林
暂未订购 下载PDF
基于SVR-GA算法的广义加工空间机床切削稳定性预测与优化研究 认领 引用 被引量：16
12
作者 邓聪颖 冯义 +2 位作者 魏博 苗建国 杨凯 《仪器仪表学报》 EI CAS CSCD 北大核心 2019年第10期227-236,共10页
针对机床零件加工位置和进给方向不确定造成刀尖频响函数变化,导致切削稳定性叶瓣图与无颤振工艺参数预测具有不确定性问题,提出一种耦合支持向量回归机(SVR)与遗传算法(GA)的切削稳定性预测与优化方法。该方法采用锤击法模态实验和空... 针对机床零件加工位置和进给方向不确定造成刀尖频响函数变化,导致切削稳定性叶瓣图与无颤振工艺参数预测具有不确定性问题,提出一种耦合支持向量回归机(SVR)与遗传算法(GA)的切削稳定性预测与优化方法。该方法采用锤击法模态实验和空间坐标变换,获取样本空间不同加工位置与进给方向的刀尖频响函数;进而结合传统切削稳定性预测方法构建以各向运动部件位移、进给角度、主轴转速、切削宽度、每齿进给量为输入的极限切削深度SVR预测模型;采用该SVR模型作为切削稳定性约束建立材料切除率优化模型,通过遗传算法求解各运动轴位移、进给角度与切削参数的最优配置。以某型加工中心展开实例研究,实验结果表明获取的优化配置能实现稳定切削,验证了该方法的有效性。 展开更多
关键词 加工位置 进给方向 切削稳定性 支持向量回归机 遗传算法
暂未订购 下载PDF
Calculation of Hildebrand Solubility Parameters of Some Polymers Using QSPR Methods Based on LS-SVM Technique and Theoretical Molecular Descriptors 认领 引用 被引量：3
13
作者 Nasser Goudarzi M.Arab Chamjangali A.H.Amin 《Chinese Journal of Polymer Science》 SCIE EI CAS CSCD 2014年第5期587-594,共8页
In this work, some chemometrics methods are applied for the modeling and prediction of the Hildebrand solubility parameter of some polymers. A genetic algorithm （GA） method is designed for the selection of variables... In this work, some chemometrics methods are applied for the modeling and prediction of the Hildebrand solubility parameter of some polymers. A genetic algorithm （GA） method is designed for the selection of variables to construct two models using the multiple linear regression （MLR） and least square-support vector machine （LS-SVM） methods in order to predict the Hildebrand solubility parameter. The MLR method is used to build a linear relationship between the molecular descriptors and the Hildebrand solubility parameter for these compounds. Then the LS-SVM method is utilized to construct the non-linear quantitative structure-activity relationship （QSAR） models. The results obtained using the LS-SVM method are then compared with those obtained for the MLR method; it was revealed that the LS-SVM model was much better than the MLR one. The root-mean-square errors of the training set and the test set for the LS-SVM model were 0.2912 and 0.2427, and the correlation coefficients were 0.9662 and 0.9518, respectively. This paper provides a new and effective method for predicting the Hildebrand solubility parameter for some polymers, and also reveals that the LS-SVM method can be used as a powerful chemometrics tool for the quantitative structure-property relationship （QSPR） studies. 展开更多
关键词 Hildebrand solubility parameter Least square-support vector machine （LS-SVM） Quantitative structure- property relationship （QSPR） Multiple linear regression （MLR） Genetic algorithm （GA）.
暂未订购 下载PDF
基于GA优化的SVR水质预测模型研究 认领 引用 被引量：31
14
作者 薛同来 赵冬晖 韩菲 《环境工程》 CAS CSCD 北大核心 2020年第3期123-127,共5页
针对污水中BOD5参数不易直接测得的特点,提出了基于遗传算法(Genetic Algorithm,GA)优化参数的支持向量机回归(Support Vector Regression,SVR)水质预测模型。采用机器学习的方法,通过建立污水中COD等参数与BOD5的数学关系模型的方式对B... 针对污水中BOD5参数不易直接测得的特点,提出了基于遗传算法(Genetic Algorithm,GA)优化参数的支持向量机回归(Support Vector Regression,SVR)水质预测模型。采用机器学习的方法,通过建立污水中COD等参数与BOD5的数学关系模型的方式对BOD5进行测定。使用遗传算法对SVR中的关键参数进行寻优,解决了传统SVR预测模型参数选择的问题。以北京市污水处理厂进水污水作为研究对象进行实验,结果表明,与BP神经网络与SVR相比,使用GA-SVR方法进行预测的结果更优,其平均误差与均方根误差分别降至0.009443与16.88 mg/L。 展开更多
关键词 生化需氧量 遗传算法 支持向量机回归 水质监测
暂未订购 下载PDF
基于遗传算法优化支持向量机的大坝安全性态预测模型 认领 引用 被引量：40
15
作者 谷艳昌 吴云星 +1 位作者 黄海兵 庞琼 《河海大学学报（自然科学版）》 CAS CSCD 北大核心 2020年第5期419-425,共7页
为提高支持向量机对大坝安全性态的预测效果,提出基于遗传算法优化的GA-SVM大坝安全性态预测模型,以k-CV验证误差最小作为优化目标,引入遗传算法对支持向量机的惩罚参数c和核函数参数g进行寻优。模型以影响因子作为输入,以效应量作为输... 为提高支持向量机对大坝安全性态的预测效果,提出基于遗传算法优化的GA-SVM大坝安全性态预测模型,以k-CV验证误差最小作为优化目标,引入遗传算法对支持向量机的惩罚参数c和核函数参数g进行寻优。模型以影响因子作为输入,以效应量作为输出,采用训练样本对支持向量机进行训练,并使用训练好的模型预测效应量。根据概率统计理论中的3σ准则,建立大坝安全性态三级指标和判别准则。以某大型水库大坝为例,建立该大坝的GA-SVM模型,并与SVM模型和逐步回归模型进行了对比验证。预测结果表明,GA-SVM模型渗压预测值与实测值最接近,预测精度较SVM模型和逐步回归模型提高了约3倍。 展开更多
关键词 水库大坝 安全性态 预测模型 遗传算法 支持向量机 k-折交叉验证 小波去躁 逐步回归
暂未订购 下载PDF
自适应GA-SVM参数选择算法研究 认领 引用 被引量：47
16
作者 刘胜 李妍妍 《哈尔滨工程大学学报》 EI CAS 北大核心 2007年第4期398-402,共5页
支持向量机是一种非常有前景的学习机器,它的回归算法已经成功地用于解决非线性函数的逼近问题.但是,SVM参数的选择大多数是凭经验选取,这种方法依赖于使用者的水平,这样不仅不能获得最佳的函数逼近效果,而且采用人工的方法选择SVM参数... 支持向量机是一种非常有前景的学习机器,它的回归算法已经成功地用于解决非线性函数的逼近问题.但是,SVM参数的选择大多数是凭经验选取,这种方法依赖于使用者的水平,这样不仅不能获得最佳的函数逼近效果,而且采用人工的方法选择SVM参数比较浪费时间,这在很大程度上限制了它的应用.为了能够自动地获得最佳的SVM参数,提出了基于自适应遗传算法的SVM参数选取方法.该方法根据适应度值自动调整交叉概率和变异概率,减少了遗传算法的收敛时间并且提高了遗传算法的精度,从而确保了SVM参数选择的准确性.将该方法应用于船用锅炉汽包水位系统建模,仿真结果表明由该方法所得的SVM具有较简单的结构和较好的泛化能力,仿真精度高,具有一定的理论推广意义. 展开更多
关键词 机器学习 支持向量机 支持向量机回归 自适应遗传算法 非线性系统辨识
暂未订购 下载PDF
基于机器学习的住院患者压力性损伤分析与预测 认领 引用 被引量：13
17
作者 李清 苏强 +1 位作者 林英 邓国英 《同济大学学报（自然科学版）》 EI CAS CSCD 北大核心 2020年第10期1530-1536,共7页
压力性损伤是护理工作的重点,也是评价护理质量的重要指标,设计合理的评估量表和科学预测是预防的关键措施。基于传统的12个指标,再新增3个风险指标,设计更全面的风险评估量表;据此收集一段时间内住院患者的信息,采用卡方检验分析对损... 压力性损伤是护理工作的重点,也是评价护理质量的重要指标,设计合理的评估量表和科学预测是预防的关键措施。基于传统的12个指标,再新增3个风险指标,设计更全面的风险评估量表;据此收集一段时间内住院患者的信息,采用卡方检验分析对损伤有显著影响的指标,将患者分为入院时和院内获得性压力性损伤两类,分析其特征、产生部位和分布科室。基于支持向量机、概率神经网络和广义回归神经网络3种方法建立预测模型,在支持向量机中,采用高斯核函数构建模型,并使用遗传算法优化核函数参数。比较4种场景下3种方法的预测精度,支持向量机的预测准确率最高,达到84.68%,另外2种方法的准确率较低,均为82.78%。 展开更多
关键词 压力性损伤 支持向量机 遗传算法 概率神经网络 广义回归神经网络
暂未订购 下载PDF
基于GASA-SVR的矿井瓦斯涌出量预测研究 认领 引用 被引量：7
18
作者 任志玲 林冬 +1 位作者 夏博文 李巍 《传感技术学报》 CAS CSCD 北大核心 2017年第2期247-252,共6页
针对煤矿工作面瓦斯涌出量的多影响因素、非线性、时变性和不确定性等特点,提出了遗传模拟退火算法(GASA)与回归型支持向量机(SVR)的耦合算法(GASA-SVR)用于瓦斯涌出量预测。利用煤层瓦斯含量、深度、厚度、倾角等12个参数作为主要影响... 针对煤矿工作面瓦斯涌出量的多影响因素、非线性、时变性和不确定性等特点,提出了遗传模拟退火算法(GASA)与回归型支持向量机(SVR)的耦合算法(GASA-SVR)用于瓦斯涌出量预测。利用煤层瓦斯含量、深度、厚度、倾角等12个参数作为主要影响因素,经过归一化处理后作为回归型支持向量机训练和测试样本。采用遗传模拟退火算法寻找最优的惩罚参数和核函数参数,同时引入自适应交叉和变异概念,建立瓦斯涌出量的非线性拟合模型,并利用矿井实测历史数据进行试验,结果表明该预测模型比传统的神经网络模型具有更理想的精度和稳定性,可为煤矿瓦斯爆炸的防治提供可靠的理论依据。 展开更多
关键词 遗传模拟退火 回归型支持向量机 瓦斯涌出量 预测
暂未订购 下载PDF
基于遗传-支持向量回归的煤层底板突水量预测研究 认领 引用 被引量：27
19
作者 曹庆奎 赵斐 《煤炭学报》 EI CAS CSCD 北大核心 2011年第12期2097-2101,共5页
针对煤层底板突水问题的小样本、非线性特点,采用支持向量回归算法对突水量进行预测,避免了定性分析的局限性。利用遗传算法全局搜索能力的优势,提出了基于遗传算法的支持向量回归参数寻优方法,并建立煤层底板突水量预测的遗传-支持向... 针对煤层底板突水问题的小样本、非线性特点,采用支持向量回归算法对突水量进行预测,避免了定性分析的局限性。利用遗传算法全局搜索能力的优势,提出了基于遗传算法的支持向量回归参数寻优方法,并建立煤层底板突水量预测的遗传-支持向量回归模型。该模型首先通过遗传算法对训练样本的学习,得到支持向量回归机的最优参数值,然后运用遗传-支持向量回归模型对测试样本进行突水量预测。测试结果表明:与神经网络,传统支持向量回归机的预测值相比,煤层底板突水量预测的遗传-支持向量回归模型精度高,具有较强的泛化能力。 展开更多
关键词 煤层底板 突水量预测 遗传算法 支持向量机 支持向量回归机
暂未订购 下载PDF
基于LSSVM-GA的沟灌入渗参数与糙率估算与验证 认领 引用 被引量：4
20
作者 周雯 白丹 +2 位作者 李一博 马鑫 白雪丽 《农业工程学报》 EI CAS CSCD 北大核心 2024年第18期62-69,共8页
入渗参数和糙率是沟灌设计和管理中需要确定的重要基本参数。该研究基于WinSRFR软件模拟结果构建样本集,通过最小二乘支持向量机(least squares support vector machines,LSSVM)回归模型来映射水流推进时间、消退时间与入渗参数、糙率... 入渗参数和糙率是沟灌设计和管理中需要确定的重要基本参数。该研究基于WinSRFR软件模拟结果构建样本集,通过最小二乘支持向量机(least squares support vector machines,LSSVM)回归模型来映射水流推进时间、消退时间与入渗参数、糙率之间的非线性关系,并在此基础上提出了结合最小二乘支持向量机和遗传算法(least squares support vector machines-genetic algorithm,LSSVM-GA)的参数估算方法,即利用LSSVM回归模型构建目标函数,并利用GA获得入渗参数和糙率的最优值。在4组尾端封闭沟试验基础上,将LSSVM-GA法与多元非线性回归(multiple nonlinear regression,MNR)及WinSRFR中的Merriam-Keller post-irrigation volume balance analysis(MK-PIVB)进行对比,结果表明,LSSVM-GA法估算的参数对进退水过程的拟合效果较优,其模拟的推进和消退过程均方根误差分别介于1.06~2.12 min和2.28~3.11 min之间,表明LSSVM-GA在估算入渗参数和糙率方面的可靠性,这有助于获得更精确的灌水技术要素,进而提高沟灌性能。 展开更多
关键词 灌溉 入渗 遗传算法 参数 糙率 最小二乘支持向量机回归
暂未订购 下载PDF
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 4 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈