面向带电作业的手臂末端输出力评估方法

为了解决带电作业时手臂末端输出力的准确控制,提出一种基于表面肌电信号（sEMG信号）和支持向量机回归（SVR）实现对手臂末端施力的评估方法.通过手握机械手臂末端的手柄,做往复推拉运动,记录此时手柄处的力传感器的数据F,同时利用3组肌电信号传感器同步采集手臂的肌电信号.将肌电信号提取特征后,与力F组合成样本集合S,在样本集合中随机抽取50%的样本数据作为训练集,分别训练BP神经网络、GRNN神经网络以及SVR神经网络.最后用训练好的神经网络对整个样本集中的力F进行预测,并用均方根误差和相关系数评估模型的预测效果.结果显示,SVR神经网络的预测效果较好,其均方根误差为3.074 0,相关系数为0.951 7.     

支持向量机与卡尔曼滤波集合的西太平洋副热带高压数值预报误差修正

基于T106数值预报产品资料,提出了支持向量机和卡尔曼滤波相结合的方法来进行夏季西太平洋副热带高压数值预报的误差修正与预报优化。首先采用支持向量机方法建立了西太平洋副热带高压面积指数的误差修正模型。基于支持向量机预报优化模型尽管有比较好的拟合精度和预报效果,但与实际副热带高压指数尚有一定的差异。究其原因,除预报对象(副热带高压)本身比较复杂、模型优化因子不够充分以及数值预报误差自身的随机性以外,优化模型的输入、输出基本上是一个静态映射结构,因此前一时刻的预测误差难以得到有效的反馈、调整和修正。为考虑前一时刻预报误差的反馈信息,动态跟踪副高的变化趋势,随后引入卡尔曼滤波方法建立支持向量机-卡尔曼滤波模型,对支持向量机模型的输出结果作进一步的调整和优化。试验结果表明,该方法模型的预报优化效果优于T106数值预报产品以及单纯的神经网络修正模型和卡尔曼滤波修正模型的优化效果,能够较为客观、有效地修正西太平洋副热带高压指数的数值预报误差,改进和优化西太平洋副热带高压的数值预报效果。该方法为副热带高压等复杂天气系统和要素场预报提供了一种新的思路,表现出较好的应用前景。     

用数字云图确定热带气旋强度的人－机对话系统

使用２４４６张卫星展宽云图资料样本，根据云系结构（眼，中心密蔽云区、螺旋云带，结构紧密度）和热带气旋强度的密切相关，求出回归方程、作为估计热带气旋强度的基本公式，并在计算机上实现，建立了确定热带气旋强度的人－机对话系统。经过业务试运行。获得了满意的结果。     

浅谈医疗气象预报

随着国民经济的快速发展,人民群众的生活水平越来越高,相应地对生活质量要求也越来越高。常规的天气预报已不能满足老百姓的日常需求,更专业、更具体的专业预报才会受老百姓欢迎,因此,各种专业预报也就应运而生,医疗气象预报就是专业预报的一个分支,它的目的就是为了让人们有可能预防天气对人体造成的危害,健康地享受生活。医疗气象预报的任务是预测自然大气和人工环境是否适合人类活动的气象条件。人生活在大气中,无时不受气象条件变化的影响,气象要素对人体的影响是通过皮肤、呼吸系统、感觉系统等神经感受器、下丘脑、植物神经…     

灰色最小二乘支持向量机在滑坡变形预测中的应用

结合灰色系统思想与最小二乘支持向量机构成灰色最小二乘支持向量机,根据目前灰色模型与最小二乘支持向量机结合的方法,提出并联型、串联型和残差型三种预测模型的结构.将上述三种灰色最小二乘支持向量机模型用于对三峡库区石佛寺滑坡垂直位移进行预测,模型精度和预测结果比较理想,优于单一预测模型.试验表明:灰色最小二乘支持向量机可提高预测精度,用于滑坡变形预测是有效可行的.     

遗传算法优化支持向量机矿产预测方法

针对矿产预测中已知矿点的样本数目较少的问题,该文提出了一种基于遗传算法优化的支持向量机矿产预测方法。采用遗传算法优化支持向量机的惩罚因子和径向基核函数参数,避免了参数选择不当对支持向量机预测结果的影响,从而提高矿产预测的精度。以空间建模工具ArcSDM中的卡林型金矿床数据为例进行实验。结果表明,支持向量机模型的预测准确率为89.3%,查准率为70.2%;而证据权方法的预测准确率为79.4%,查准率为50%,均小于支持向量机预测结果,说明遗传算法优化的支持向量机是一种有效的矿产预测方法。     

我国旋挖钻进技术及设备的应用与发展

简述了我国旋挖钻进技术的发展概况及旋挖钻进设备及技术的优点、旋挖钻进施工过程中容易发生的事故及解决措施，分析了旋挖钻进技术发展的制约因素，同时认为目前是我国发展旋挖钻进技术的大好时机。     

地震预警现地PGV连续预测的最小二乘支持向量机模型

为提升现地仪器地震烈度预测的准确性与连续性,研究面向地震预警的PGV连续预测模型.以中国仪器地震烈度标准的计算参数:0.1～10 Hz带通滤波三分向矢量合成速度峰值PGV为预测目标,利用日本K-net与KiK-net台网P波触发后1～10 s强震数据,基于人工智能中的机器学习方法-最小二乘支持向量机,选取7种特征参数作为输入构建最小二乘支持向量机PGV预测模型LSSVM-PGV.结果表明,本文建立的LSSVM-PGV模型在训练数据集与测试数据集上的预测误差标准差变化趋于一致,具备泛化性能;P波触发后3 s预测PGV与实测PGV即可整体符合1∶1关系,随着时间窗的增长,PGV预测的误差标准差显著减小、并在P波触发后6 s趋向收敛,具备准确连续预测能力;对比同为P波触发后3 s的常用P_d-PGV模型,LSSVM-PGV模型的PGV预测误差标准差明显减小,"小值高估"与"大值低估"现象明显改善,预测准确性得到提升.熊本地震序列的震例分析表明,对于6.5级以下地震,LSSVM-PGV模型最多在P波触发后3 s即可预测出与实测PGV整体符合1∶1关系的PGV;对于7.3级主...     

支持向量机在海洋随机资料分析中的应用

在随机海洋资料的分析中,需要从大量的实际数据中提取出有用的信息来建立或检验各种海洋理论模型,因此我们要正确运用适当的手段来分析处理各种实际数据。文中简要介绍了数据挖掘中一项新的技术支持向量机,着重介绍了最优化问题的求解算法,以及如何应用于海洋资料的分析处理。     

关联向量机及其在入侵检测中的应用探讨

介绍一种稀疏的贝叶斯学习算法——关联向量机(RVM)，它在再生核希尔伯特空间中学习，利用贝叶斯方法推理，推广能力好，与支持向量机相比不仅解更为稀疏而且不需要调整超参数。应用RVM的对小样本的良好分类能力，提出一种基于RVM的入侵检测原型系统。