基于PCA改进的SOR-LS-SVM旅游流量预测模型

利用主成分分析法建立以主成分为输入变量而以入境旅游客流量为输出变量的超松弛最小二乘支持向量机预测模型.通过实例验证和比较,演示了基于主成分分析改进的超松弛最小二乘支持向量机入境旅游客流量预测模型有较好的预测效果和较高的推广价值.     

基于PCA改进的SOR-LS-SVM公路旅游客流量预测模型

影响公路交通旅游客流量的众多因素增加了预测模型中的输入变量复杂性,减少了模型运行速度和预测准确度。首先,采用主成分分析法对影响公路旅游客流量的指标进行分析得到了主成分即输入变量,然后建立以主成分为输入变量、以旅游客流量为输出变量的基于超松弛改进的最小二乘支持向量机预测模型。通过实际例子验证和比较,揭示了基于主成分分析法改进的超松弛的最小二乘支持向量机公路交通旅游客流量预测模型具有较好的预测精度和较高的应用前景。     

基于PCA-SOR-LS-SVM模型的入境游客流量预测研究

入境旅游客流量预测模型中输入变量的多少在一定程度上制约了模型的模拟速度和预测效果。首先,由主成分分析法对影响入境游客流量的指标进行综合分析从而确定出少数几个主要指标作为预测模型的输入变量,然后建立以主要指标为输入变量以客流量为输出变量的基于超松弛改进的最小二乘支持向量机预测模型。通过实验仿真,结果显示了基于PCA-SOR-LS-SVM的入境游客流量预测模型具有较好的预测精度和较强的推广价值。     

基于LS-SVM的大理州入境游客流量组合预测模型

大理州入境旅游客流量的持续增长引起了大理州政府和旅游业界的高度关注。而对未来入境旅游客流量及时准确的预测成为制定旅游规划的重要依据。依据大理州历年游客流量的数据,提出了基于线性回归、算术移动平均、指数平滑和灰色系统等方法的最小二乘支持向量机大理州入境旅客流量组合预测模型。通过实验仿真,表明该模型具有较高的预测精度,为大理州入境游客流量预测提供了新的方法。     

基于SOR-LS-SVM的公路旅游客流量组合预测模型

基于指数平滑、多元线性回归、灰色系统等目前常见的预测方法建立超松弛改进的最小二乘支持向量机算法的公路旅游客流量组合预测模型。通过实例验证和比较,展示了基于超松弛最小二乘支持向量机算法的公路交通旅游客流量组合预测模型具有较好的预测效果和较高的应用价值。     

基于偏最小二乘法和最小二乘支持向量机方法的熔融指数预测

熔融指数是高密度聚乙烯生产的主要质量指标,通过对生产数据建模实现对熔融指数的预测,为优化操作提供有力依据,从而提高产品的质量。利用偏最小二乘法提取影响熔融指数的主要因素作为最小二乘支持向量机的输入,克服了自变量间的多重相关性问题;同时也降低了最小二乘支持向量机的输入变量的维数。实验表明,利用偏最小二乘法方法和最小二乘支持向量机方法预测熔融指数精度远高于分别使用这两种方法。     

PSO-LSSVM的电力负荷预测研究

对影响电力负荷因素之间的非线性,有效提高电力负荷的预测精度,本文提出了一种最小二乘支持向量机(LSSVM)和粒子群优化技术(PSO)相结合的电力负荷预测方法。以历史负荷数据气象因素等作为输入,建立预测模型,对未来时刻电力负荷进行预测。该模型利用结构风险最小化原则代替传统的经验风险最小化,以充分挖掘原始数据的信息,并采用粒子群优化算法来优化最小二乘支持向量机的参数,旨在提高预测模型的训练预测精度。实际算例表明,使用PSO-LSSVM方法进行电力负荷预测,具有良好的可行性和有效性,与BP神经网络和LSSVM方法的预测结果相比,所提出的PSO-LSSVM模型预测平均误差仅为0.85%,具有更高的精度,适用于电力负荷预测。     

基于混沌优化的支持向量机地下水位动态预测

地下水位动态受到自然因素和人为因素的影响,随机性明显,因此在地下水物理过程分析的基础上构建地下水位动态预测的随机性模型对地下水资源评价具有重要意义。本文将小样本机器学习理论——统计学习理论中的支持向量机理论引入地下水位动态预测。最小二乘支持向量机是支持向量机的一种,考虑到地下水位动态序列的长度和峰值突变性的特点,本文提出一种改进的支持向量机-峰值识别最小二乘支持向量机;并针对支持向量机算法存在的参数优化、训练和测试速度等问题,结合混沌优化方法,建立了基于混沌优化的峰值识别最小二乘支持向量机地下水位动态预测模型;最后本文以内蒙古河套灌区义长灌域1990年~2004年3个灌期(夏灌(4月~6月)、秋灌(7月~9月)和秋浇(10月~11月)降水量、平均气温、蒸发量、引水量、地下水开采量、地下水排泄量和地下水位埋深共15年45个样本资料为数据源,将该模型和原最小二乘支持向量机模型分别用于义长灌域地下水位动态预测。结果表明,该模型的拟合值、检验值和预测值与实际值复合的很好,拟合的平均相对误差绝对值为2.0868%,检验的平均相对误差绝对值为3.4777%,预测的平均相对误差绝对值为6.8589%,且训练和测试速度快,而原最小二乘支持向量机模型预测的平均相对误差绝对值为20.6767%。因此,该模型用于地下水位动态预测是可行和有效的。     

基于PCA&SVM的多品种小批量产品质量预测方法研究

将主成分分析与支持向量机结合应用到多品种小批量产品的质量预测。首先确定多品种小批量产品生产过程中的定量影响因素,并将其作为初始影响因素集;然后利用主成分分析方法降低因素集的维度,同时提取关键主成分;最后将关键主成分作为影响因素集并建立针对于多品种小批量生产的支持向量机质量等级预测模型。算例分析表明,与传统的支持向量机分类模型相比,主成分分析与支持向量机结合的模型预测准确率及稳定性均有显著提高,说明模型具有更好的预测性能。     

基于遗传算法参数优化的最小二乘支持向量机财务困境预测

传统支持向量机应用于财务困境预测时,需要求解复杂的二次规划问题,求解难度大。而最小二乘支持向量机模型可以将二次规划问题变成一个线性方程组来求解,有效降低了模型求解的难度。尤其是将遗传算法应用于最小二乘支持向量机模型参数和核参数的优化时,显著提高了模型预测的正确率。本文从沪深两市随机抽取了2002年-2007年252家A股上市公司作为研究样本,并把研究样本分为两组,对这两组样本数据分别进行了短期及中长期预测。实证结果表明,基于遗传算法的最小二乘支持向量机模型的预测效果不但好于传统统计类Logit模型,也优于传统支持向量机模型。短期预测效果显著优于中长期预测效果,训练样本数直接影响到模型的预测效果,二者呈正相关关系。     

SVR算法在太阳黑子活动预测上的应用

支持向量机(SVM)是建立在统计学习理论基础上的一种通用的研究机器学习规律的方法。它具有很强的学习能力和泛化能力,可以有效地处理分类,回归等问题。SVM在处理非线性问题时,通过使用一个核函数来解决复杂计算问题。最小二乘支持向量机(LS_SVM)是SVM的一种改进,它提高了求解问题的速度和收敛精度。本文以太阳黑子为数据集,基于LS_SVM工具,使用了支持向量回归算法(SVR),实现了太阳黑子活动的预测。     

基于最小二乘支持向量机的油罐故障诊断方法

根据油罐故障分析,建立了油罐故障诊断模型。采用新型的支持向量机-最小二乘向量机(LS-SVM)的算法对此诊断模型进行预测,获得了满意的效果。该方法易于使用,很少受不确定性因素的影响,有很高的预测准确性。     

考虑科技创新投入产出时滞影响的国家创新能力非线性测评

针对现有国家创新能力评价方法存在的问题提出科技创新投入产出时滞影响的国家创新能力非线性测评方法。科学选取评价指标,构建基于时滞影响和最小二乘支持向量机的国家创新能力测评模型,以二十国集团(G20)成员国为例进行实证研究,通过将评价结果与相关研究报告的评价结果进行分析对比,确定方法的准确性和可行性,最后对G20成员国创新能力进行评价分析。文章提出的测评方法有助于真实准确地反映国家创新发展水平,以帮助决策者制订和实施创新战略。     

基于最小二乘支持向量机的数据挖掘应用研究

随着数据仓库技术、联机分析技术的发展。基于数据库的数据挖掘已成为一种重要的数据处理手段。最小二乘支持向量机作为一种新的机器学习方法。具有全局收敛性和良好的泛化能力。本文将其应用于数据挖掘的分类与预测研究。通过棱函数的选择及参数优化，并结合支持向量机、多层感知器神经网络模型及判别分析方法进行比较研究，证明最小二乘支持向量机作为一种有效的数据挖掘算法具有较高精度。     

集成学习方法在企业财务危机预警中的应用

以我国制造业上市公司为样本数据,用支持向量机作为基分类器的集成学习方法来预测企业的财务危机,通过具体实验分析可知:集成学习比单个基分类器的预测准确率提高了4个百分点,且稳定性更高,有效地提高了模型的预测精度,使得模型更具有准确性和应用性。基于支持向量机的集成学习方法在构建我国制造业上市公司财务危机预警模型上是有效的,且达到一定的财务危机预警效果。     

基于LSSVM-CA模型的复杂土地利用变化模拟——以鄂州市为例

本文探索了最小二乘支持向量机（Least Squares Support Vector Machine ,LSSVM）获取元胞转换规则的可行性,并应用于复杂土地利用变化模拟预测。以湖北省鄂州市为研究区,以1991-2004年土地利用变化数据作为模型训练数据,运用改进的ROC分析方法对比分析了LSSVM和逻辑回归方法获取的元胞转换规则,在此基础上运用LSSVM-CA模型模拟了研究区2013年的土地利用情景,并对2020年和2030年土地利用情景进行预测。研究结果表明：①LSSVM对数量较大、变化过程较复杂土地利用类型的空间分布模拟效果更好,如耕地、建设用地、养殖水体和其他用地;②与2013年实际土地利用情景相比,LSSVM-CA模拟结果总体精度为0.80,Kappa系数为0.73,处于较高一致性水平,优于逻辑回归-CA模型结果;③未来,鄂州市主城区、城西新区、“葛华新城”、“红莲湖新城”以及南部的花湖开发区、沼山镇、太和镇建设用地需求较大,将占用大量耕地,东部和南部低丘岗地区的耕地将大量转变为林地。研究结论为LSSVM方法可用于获取元胞转换规则进行复杂土地利用变化模拟,并能取得较好的效果,模拟结果可为研究区土地规划、耕地和生态环境保护等提供决策参考。     

中文文本分类反馈学习研究

本文依据反馈学习的思想和支持向量机分类算法,在分析中文文本分类过程的基础上,给出了基于反馈学习的中文文本分类模型,通过实验研究了反馈学习对中文文本分类模型性能的影响.结果表明,反馈学习对分类性能的提高有明显作用,它是对实时变化信息的有效解决方法.     

基于支持向量机的预报技巧的预报模型研究

用2002年1月1日至2004年5月31日两年5个月的国家气象中心(北京)T213L31模式的初始资料和预报资料,对500 hPa高度场的预报技巧——距平相关系数进行了统计分析,在了解其变化特征、规律和关联因子的基础上,对预报技巧变化的机制作了一个初步探讨。考虑到大气时空变化的复杂性,针对各个季节分别设计了基于支持向量机的预报技巧的预报模型。研究结果表明:支持向量机模型预报值可以较好地反映预报技巧变化的趋势,将其应用于预报技巧的预报是可行和有意义的。     

中小企业中信息系统用户满意度的影响因素

本文对在中小企业决策制定及用户满意方面成功的信息系统在开发及运作时人的因素的影响级别做了分析,并提出了相应的研究模型。使用统计学工具偏最小二乘法对我国东北60家中小企业进行了实证研究,结果表明,用户的参与、管理者的支持及信息系统的质量是影响满意度的最关键因素。     

基于PC-FUZZY-IPA法的旅游地游客满意度研究——以九寨沟景区为例

在对游客满意度文献梳理的基础上,运用主成分分析法对游客满意度各指标赋权,构建模糊综合评价模型,并基于九寨沟景区的特征及游客满意度理论,以调查问卷的形式获取了能反映游客满意度的相关样本数据对九寨沟景区进行实证分析,得到结果:九寨景区游客综合满意度处于比较满意的层面上,但在各个维度上的游客满意度水平差异比较大,其中景区自然环境、基础设施游客满意度水平高,而景区餐饮住宿游客满意度水平很低。最后基于IPA法为游客满意度提升提出相关策略。