基于支持向量机回归的土壤有机质含量预测

土壤有机质(Soil Organic Matter, SOM)是土壤肥力的重要指标,其含量变化对表征土壤养分含量高低和预测作物产量具有重要的作用。因此,预测有机质含量变化可以为提前进行土壤有机质积累试验提供理论支持。本文采集长期定位试验点的土壤信息,对比支持向量机预测方法与反向传播(BP)神经网络和径向基函数(RBF)神经网络,结论得出支持向量机模型预测精确度更优。     

回归支持向量机在财政预测中的应用

财政收支趋势预测具有重要应用价值.本文建立了财政收入回归支持向量机的时闻预测模型,并以贵州地方财政收入为例,对采集到的数据进行归一化处理后,分别采用RBF核函数和Linear核函数的支持向量机和时问序列模型对数据进行应用,以1980-2001年的数据为拟合数据,以2002-2007年的数据为预测数据,比较相对误差,得出采用径向量核函数的支持向量机回归预测的结果准确度高.     

基于支持向量机的空气质量预测

用支持向量机对城市空气质量的AQI指数、PM2.5、PM10分别进行预测,首先利用小波将已知的各AQI指数、PM2.5、PM10数据序列分解为低频子序列和高频子序列并重构,然后利用重构后的各子序列和对应气象数据使用支持向量机分别进行训练和预测,最后合成得到预测结果,实验结果表明该方法的预测效果较好。     

基于支持向量机的石油勘探预测

讨论了支持向量机中高斯核函数中参数σ对支持向量机学习预测性能的影响,指出高斯核函数具有描述样本相似程度这一性质,通过数值实验给出一种选择高斯核函数的方法——拐点法。然后针对石油地质勘探的实际问题,将支持向量机运用测井曲线预测储层参数,同时与反向传播神经网络函数逼近法预测进行比较,结果表明该方法预测精度高、方法稳定有效,支持向量机较好的解决了小样本测井勘探的实际问题。     

基于支持向量机的外贸出口预测

针对支持向量机(SVM)方法所具有的拟合精度高、推广能力强、全局最优且针对小样本等特点,本文将SVM回归建模方法引入到外贸出口预测中,对出口时间序列建立预测模型,并利用此法对重庆摩托车出口进行了预测,对其预测性能进行了验证比较。结果表明,SVM方法对非平稳的小样本出口时间序列数据有良好的建模和泛化能力,且可达到较高的预测精度。     

基于小波-回归支持向量机算法的风电场风速预测

将小波多分辨率分析特点和回归支持向量机算法良好的泛化性能相结合,建立小波-回归支持向量机风速预测模型。先将原始风速序列经小波分解成轮廓分量和细节分量,再对各分量分别应用支持向量机模型进行预测,最后将各分量的预测结果经小波重构得到原始风速序列的预测值。仿真表明该方法能够改善预测滞后现象以及减小突变点误差,从而提高模型的泛化性能和预测精度。     

基于奇异值分解和支持向量机的负荷预测新方法

负荷预测作为一个传统而又复杂的问题,已取得了一定的发展。本文从信号特征提取的角度出发,研究负荷预测新方法。首先,应用相重构将负荷序列重构为负荷特征矩阵;接着,通过奇异值分解提取负荷序列的轮廓部分和细节部分;最后,使用支持向量回归机分别预测负荷的轮廓部分和细节部分,进而得到所要预测的负荷。实例研究证明,本文方法的预测精度较高,具有一定的实用性。     

基于支持向量回归机的广西物流需求预测

传统的区域物流需求预测方法往往具有预测精度不高、数据处理效果不佳等不足,而基于支持向量回归机(SVR)的预测模型正好弥补其不足.基于SVR预测模型,以1985-2008年广西货运量为面板数据,选择合适的核函数及参数,并与灰色及一元回归预测方法相对比,发现其预测精度很高,预测值也吻合广西总体经济发展要求.     

基于支持向量机的技术成熟度预测

技术成熟度是企业理解技术成长规律、制定技术战略的理论基础,而普遍用于技术成熟度预测的成长曲线由于其函数本身存在的局限性即过拟合或欠拟合问题会影响预测结果的准确性。基于支持向量回归机的预测法,结合专利分析法和文献计量法,以燃料电池技术为样本对其成熟度进行预测,并与成长曲线模型作了对比分析,结果表明基于支持向量回归机的预测曲线对于分析技术成长轨迹有很好的应用价值。     

基于支持向量机的边坡形变预测

为了降低露天矿山在金属非金属矿山安全生产中的危险,提高露天矿边坡在线监测数据的准确性,提高露天矿山边坡稳定性的预报预测水平,本文将露天矿山边坡形变位移作为研究重点,以在线监测技术测得的数值为原始数据,利用支持向量机的方法,以时间为主线,建立露天边坡形变位移数学模型,最后,进行了工程实际露天边坡形变位移预测,结果表明,利用支持向量机方法建立的模型进行预测可以排除天气、现场条件和设备失效等许多因素的影响,为露天采场安全生产提供可靠的依据,保障了露天采场作业的安全,从而保障了人民的生命财产安全。     

基于支持向量回归机的综合评价方法研究

应用支持向量回归机,研究综合评价排序问题,并以企业自我实现能力综合评价为例子,与人工神经网络(ANN)方法进行对比研究,发现基于支持向量回归机综合评价的训练排序与专家排序保持一致,且测试结果的相对误差明显小于ANN.表明,基于支持向量回归机的方法能更好的反映评价问题的序结构,是一种研究综合排序评价问题的有效方法.     

基于支持向量回归机的综合评价方法研究

应用支持向量回归机,研究综合评价排序问题,并以企业自我实现能力综合评价为例子,与人工神经网络(ANN)方法进行对比研究,发现基于支持向量回归机综合评价的训练排序与专家排序保持一致,且测试结果的相对误差明显小于ANN。表明,基于支持向量回归机的方法能更好的反映评价问题的序结构,是一种研究综合排序评价问题的有效方法。     

一种基于支持向量机回归的推荐算法

随着电子商务的迅速发展，推荐系统与算法已经成为理论研究的热点。支持向量机是一种强大的分类工具，由其衍生出的支持向量机回归方法能很好地解决非线性回归问题。文中以电影推荐为例，引入支持向量机回归方法来分析项目的内容，构建用户模型，进而给出推荐。实验结果和理论分析表明这种推荐算法与传统协同过滤算法相比，能够明显提高推荐精度，并显著缩短了推荐所需时间；在大样本量情况下也能同样高效。     

基于支持向量机的miRNA预测方法研究

本文从miRNA及其前体的生物学特征出发,在对支持向量机理论及其应用特点进行研究的基础上,构建了基于支持向量机的miRNA预测过程模型,在miRNA特征的向量表示、miPNA特征选择、预测模型核函数及参数选择方面进行了研究.以水稻、拟南芥、玉米的miRNA为实例,对基于支持向量机的miRNA预测方法的预测准确率进行了验证,实验结果表明该方法预测准确率达95%以上.     

关于支持向量回归机的模型选择

支持向量机是在统计学习理论基础上发展起来的一种新型的机器学习方法。模型选择是设计支持向量机的重要内容之一。本文在分析用于回归的支持向量机原理的基础上,分别从核函数的选择、模型参数的作用、模型参数的调整方法等模型选择方面进行了综述,并讨论了模型选择的优缺点,最后指出在实际应用中常见的核函数和模型参数调整方法。     

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。     

基于主成分——支持向量机的用水量预测

利用主成分分析消除变量间的多重共线性,对数据实现降维;利用支持向量机对提取的主成分进行非线性逼近,充分发挥两者的优点。算例表明主成分一支持向量机模型具有很高的精度。     

一种基于支持向量机的电力负载预测算法

提出了一种能够提高负荷预测精度的方法。在对历史电网运行数据进行处理时引入大数据挖掘技术,并且使用了支技向量机来进行电力系统短期负荷的预测新方式,对基于粒子群优化的支持向量算法进行了改进,提出基于相似日聚类的支持向量机的方法以对电网的负荷状态进行预测。以湘潭市的电力负荷数据为测试数据,进行两种算法结果的对比。结果表明:本文的算法在对比中具有较大的优势,数据预处理在预测的精度上有着非常重要的关联。