基于改进果蝇算法优化SVM的矿区地表变形预测方法

矿区地表变形呈现出典型的非平稳、突发性和不确定性,而传统支持向量机(Support Vector Machine, SVM)预测模型的预测性能受核参数选取影响较大。针对该问题,本文提出一种改进果蝇算法(Improved fruit fly optimization algorithm, IFOA)优化SVM的矿区地表变形预测方法。首先采用自适应变步长迭代方式代替传统FOA算法的固定迭代步长,提升FOA的收敛速度和全局寻优能力;然后利用IFOA对SVM进行优化,实现最优核参数自动选择的同时提升预测精度;最后采用某矿区实测数据开展试验。结果表明：所提方法相对于传统灰色模型和BP神经网络模型具备更高的预测精度和稳定性,更适合实际工程应用场景。     

基于nu-SVR的网络RTK综合误差模型

综合利用网络RTK中所有基准站的误差信息,在网络RTK系统的覆盖范围内,用支持向量机中的nu-SVR方法建立了一个统一的综合误差模型,并根据此综合误差模型直接改正流动站的实测数据.建模分析表明,采用该方法能获得较好的流动站定位结果.     

单一低透突出煤层底抽巷煤气共采技术及实践

针对底抽巷瓦斯抽采穿层钻孔施工过程中,煤岩界面识别不及时、不准确,缺少相应技术手段的问题,设计开发了一套基于钻进参数(转速、回转扭矩、推进力、推进速度、破碎比功)的煤岩界面识别系统,整套系统由数据感知层、采集层和分析层组成。其中,数据感知层和数据采集层合称钻机数据采集系统,可以对钻进参数进行实时采集;数据分析层则采用支持向量机(Support Vector Machine, SVM)分类算法对带有煤岩分类标记的钻进参数进行数据学习和模型训练,继而对未知的钻进参数进行分类预测,最终实现煤岩界面自动识别。在河南鹤壁中泰矿业的现场应用表明：钻进参数中的回转扭矩、推进速度和破碎比功在煤岩界面处均产生明显的“涨落”,可以作为区分煤层和岩石的3个特征参数;使用线性核函数的支持向量机分类模型可以准确地将两种地层中的钻进参数区分出来,通过对训练集中89个样本数据学习即可在测试集中获得100%的正确率,说明了特征参数和地层信息之间是线性可分的。该系统推广应用不仅可以为煤岩分类识别提供基础数据的获取途径;还可以为穿层钻孔的煤岩界面识别提供一定的科学依据和指导,从而确保钻孔达标,避免抽采空白带的产生。

     

一种基于穿戴式MEMS传感器状态识别的多部位PDR算法

随着位置服务(location based service,LBS)应用需求的日益增加以及多部位微机电系统(micro electro mechanical system,MEMS)导航传感器的广泛普及,行人航位推算(pedestrian dead reckoning,PDR)越来越受关注,成为行人导航研究中主流的技术...     

基于SVM方法的乌鲁木齐国际机场多要素预测

利用2000年1月-2010年3月乌鲁木齐国际机场的观测资料,构建逐时能见度、温度、天气现象以及逐日最高温度、最低温度、降水量这六类预报对象的样本空间,使用SVM方法进行交叉验证和预报建模。结果表明建立的预测模型有较好的稳定性,并且对上述预报对象均有较好的预测效果。     

基于时间序列与人工蜂群支持向量机的滑坡位移预测研究

总结以往滑坡预测方法存在的诸多不足,针对滑坡监测位移-时间曲线特点,本文提出了一种基于时间序列的人工蜂群算法（ABC）与支持向量回归机（SVR）相结合的滑坡位移预测方法。以三峡库区白水河滑坡为例,通过对滑坡位移、降雨、库水位等因素的分析,研究影响滑坡位移变化的因素。用时间序列加法模型和移动平均法将滑坡位移分解为趋势项和周期项。以多项式最小二乘法拟合滑坡位移趋势项,用人工蜂群支持向量机模型对滑坡位移周期项进行训练和预测。通过灰色系统关联分析法计算多项因子与滑坡位移周期项之间的关联性。最终的滑坡总位移预测值为周期项预测值与趋势项预测值之和。与BP神经网络、PSO-SVR模型方法相比,该方法在滑坡位移预测中有更高的精度,在防灾减灾工作中有较好的推广应用前景。