期刊文献+
共找到2,454篇文章
< 1 2 123 >
每页显示 20 50 100
Ground Ozone Level Prediction Using Machine Learning 预览
1
作者 Zhiying Meng 《软件工程与应用(英文)》 2019年第10期423-431,共9页
Because of the increasing attention on environmental issues, especially air pollution, predicting whether a day is polluted or not is necessary to people’s health. In order to solve this problem, this research is cla... Because of the increasing attention on environmental issues, especially air pollution, predicting whether a day is polluted or not is necessary to people’s health. In order to solve this problem, this research is classifying ground ozone level based on big data and machine learning models, where polluted ozone day has class 1 and non-ozone day has class 0. The dataset used in this research was derived from the UCI Website, containing various environmental factors in Houston, Galveston and Brazoria area that could possibly affect the occurrence of ozone pollution [1]. This dataset is first filled up for further process, next standardized to ensure every feature has the same weight, and then split into training set and testing set. After this, five different machine learning models are used in the prediction of ground ozone level and their final accuracy scores are compared. In conclusion, among Logistic Regression, Decision Tree, Random Forest, AdaBoost, and Support Vector Machine (SVM), the last one has the highest test score of 0.949. This research utilizes relatively simple methods of forecasting and calculates the first accuracy scores in predicting ground ozone level;it can thus be a reference for environmentalists. Moreover, the direct comparison among five different models provides machine learning field an insight to determine the most accurate model. In the future, Neural Network can also be utilized to predict air pollution, and its test scores can be compared with the previous five methods to conclude the accuracy of Neuron Network. 展开更多
关键词 GROUND OZONE Pollution MACHINE Learning Classification Logistic Regression DECISION Tree Random Forest ADABOOST Support Vector MACHINE
在线阅读 免费下载
Predicting Credit Card Transaction Fraud Using Machine Learning Algorithms 预览
2
作者 Jiaxin Gao Zirui Zhou +2 位作者 Jiangshan Ai Bingxin Xia Stephen Coggeshall 《智能学习系统与应用(英文)》 2019年第3期33-63,共31页
Credit card fraud is a wide-ranging issue for financial institutions, involving theft and fraud committed using a payment card. In this paper, we explore the application of linear and nonlinear statistical modeling an... Credit card fraud is a wide-ranging issue for financial institutions, involving theft and fraud committed using a payment card. In this paper, we explore the application of linear and nonlinear statistical modeling and machine learning models on real credit card transaction data. The models built are supervised fraud models that attempt to identify which transactions are most likely fraudulent. We discuss the processes of data exploration, data cleaning, variable creation, feature selection, model algorithms, and results. Five different supervised models are explored and compared including logistic regression, neural networks, random forest, boosted tree and support vector machines. The boosted tree model shows the best fraud detection result (FDR = 49.83%) for this particular data set. The resulting model can be utilized in a credit card fraud detection system. A similar model development process can be performed in related business domains such as insurance and telecommunications, to avoid or detect fraudulent activity. 展开更多
关键词 CREDIT CARD FRAUD Machine Learning ALGORITHMS Logistic Regression Neural Networks Random FOREST Boosted TREE Support Vector Machines
在线阅读 免费下载
多核支撑向量回归方法研究 预览
3
作者 陈博 郑凯东 王家华 《智能计算机与应用》 2019年第1期188-191,共4页
近些年来,支撑向量回归方法在减少泛化误差方面表现出了出色的性能。然而,传统的支撑向量机或者支撑向量回归方法是基于单个核函数的,在高维空间中解决非线性问题。但随着应用领域不断扩展,在一些复杂情形下,由单个核函数构成的支撑向... 近些年来,支撑向量回归方法在减少泛化误差方面表现出了出色的性能。然而,传统的支撑向量机或者支撑向量回归方法是基于单个核函数的,在高维空间中解决非线性问题。但随着应用领域不断扩展,在一些复杂情形下,由单个核函数构成的支撑向量回归方法并不能满足数据异构、输入空间维度过高等实际问题。针对此问题,人们在单核学习的基础上提出了多核学习,即将多个核函数进行线性组合,以此来提高模型精度,并逐渐成为当下机器学习领域研究的热点。文章综述了支撑向量回归算法与多核学习算法理论知识,并分析了各自的特点以及应用领域。总结了多核支撑向量回归方法下一步的研究趋势。 展开更多
关键词 支撑向量机 支持向量回归 多核学习
在线阅读 免费下载
基于WLR和PSO-AFS-SVR的滚动轴承可靠度预测方法 预览
4
作者 史一明 程健 陈自强 《测控技术》 2019年第3期4-10,共7页
在训练数据缺乏的情况下,为了提高支持向量回归机(SVR)对滚动轴承可靠度的预测精度,提出了一种基于威布尔线性回归(WLR)组合可靠度模型结合粒子群人工鱼群-支持向量回归机(PSO-AFSSVR)的预测方法。首先,使用成布尔统计模型与线性回归(LR... 在训练数据缺乏的情况下,为了提高支持向量回归机(SVR)对滚动轴承可靠度的预测精度,提出了一种基于威布尔线性回归(WLR)组合可靠度模型结合粒子群人工鱼群-支持向量回归机(PSO-AFSSVR)的预测方法。首先,使用成布尔统计模型与线性回归(LR)的组合模型作为可靠度模型,利用测量滚动轴承振动信号的加速度计频谱,依据峰值频率分布的变化,分割其性能衰退的各个阶段,对每个阶段单独建模,以便最大程度地挖掘小样本信息;其次,采用k-折交叉验证(k-fold)的平均绝对误差(MAE)和平均相对误差(MAPE)之和作为适应度函数,利用PSO-AFS优化SVR参数,提高其泛化能力和预测精度;最后,采用滚动轴承全寿命周期试验数据进行了验证试验。试验结果表明,所提方法可以对滚动轴承的可靠度进行更准确的预测。 展开更多
关键词 滚动轴承 可靠度预测 支持向量回归 人工鱼群算法 威布尔线性回归
在线阅读 免费下载
地理环境对健康人血清脂联素水平的影响 预览
5
作者 纪旭 葛淼 +2 位作者 李小平 井静 林宁 《云南师范大学学报:自然科学版》 2019年第2期60-65,共6页
分析我国健康人血清脂联素水平在空间上的分布规律特征,探究地理环境对其影响作用,并为制定不同地区血清脂联素的标准提供科学的依据.通过搜集到的全国106个市县级单位13 988例健康人血清脂联素参考值,运用空间自相关、相关分析和地理... 分析我国健康人血清脂联素水平在空间上的分布规律特征,探究地理环境对其影响作用,并为制定不同地区血清脂联素的标准提供科学的依据.通过搜集到的全国106个市县级单位13 988例健康人血清脂联素参考值,运用空间自相关、相关分析和地理探测器方法研究其与地理环境指标之间的相关性.对比岭回归和支持向量机预测模型后,选择最优模型进行建模.运用趋势分析,对APN参考值的预测数据进行空间分析.结果表明,我国健康人血清脂联素水平与纬度、海拔高度、年平均气温、年降水量、表层土壤pH和表层土壤总可交换量6项地理指标存在相关性,最优预测模型回归方程为Y=11.990 5-0.013 4X2-0.000 92X3+0.073 5X5+0.000 59X6-0.102 01X10-0.067 12X11±4.218.我国健康人血清脂联素水平整体上呈东南高西北低,沿海高于内陆的特征. 展开更多
关键词 血清脂联素 地理环境 地理探测器 岭回归分析 支持向量机
在线阅读 免费下载
利用随机森林回归进行极化SAR土壤水分反演
6
作者 李平湘 刘致曲 +3 位作者 杨杰 孙维东 黎旻懿 任烨仙 《武汉大学学报:信息科学版》 EI CSCD 北大核心 2019年第3期405-412,共8页
全极化合成孔径雷达影像能够提供地物丰富的极化信息,挖掘这些信息在地表参数反演中的作用是目前相关领域的研究趋势之一。针对冬小麦区域的不同植被覆盖情况,利用随机森林回归对常用极化特征在土壤水分反演中的重要性进行评估,并在此... 全极化合成孔径雷达影像能够提供地物丰富的极化信息,挖掘这些信息在地表参数反演中的作用是目前相关领域的研究趋势之一。针对冬小麦区域的不同植被覆盖情况,利用随机森林回归对常用极化特征在土壤水分反演中的重要性进行评估,并在此基础上进行特征选择,挑选优化的极化特征组合,构建了高精度的土壤水分反演模型。实验结果显示,由重要性评分较高的极化特征所组成的反演模型能得到均方根误差(root mean square error, RMSE)小于6%的反演精度,比只输入传统线极化后向散射系数的模型在不同时相、不同数据集的精度都有所提高。与支持向量回归和人工神经网络模型进行比较,利用随机森林回归进行重要性评分与土壤水分反演的效果更好。 展开更多
关键词 极化SAR 土壤水分 随机森林回归 支持向量回归 人工神经网络
咪唑鎓盐类双子表面活性剂的构效关系研究 预览
7
作者 刘友权 郭延芝 +3 位作者 唐永帆 孙川 原励 张燕 《化学研究与应用》 CAS CSCD 北大核心 2019年第7期1284-1292,共9页
阐明表面活性剂结构与其临界胶束浓度(critical micelle concentration,cmc)之间的内在关联,并构建机器学习方法模型实现cmc的自动预测,对了解其表面活性的分子机制和设计合成具有潜力的新型表面活性分子具有重要意义。本研究从咪唑鎓... 阐明表面活性剂结构与其临界胶束浓度(critical micelle concentration,cmc)之间的内在关联,并构建机器学习方法模型实现cmc的自动预测,对了解其表面活性的分子机制和设计合成具有潜力的新型表面活性分子具有重要意义。本研究从咪唑鎓盐类双子表面活性剂的3-D结构出发,计算得到大量的能量、电荷、立体构象与拓扑参数等方面的结构描述符。然后利用方差阈值法(variance threshold)对特征变量进行评估与筛选,以剔除冗余变量,实现数据降维。最后采用支持向量回归(Support Vector Regression,SVR)构建咪唑鎓盐类双子表面活性剂的结构-cmc的关系模型。根据测定cmc实验方法的不同,分别构建了两个特异性模型:表面张力法的SVR模型与电导法的SVR模型,其模型的留一法交叉验证结果令人满意,相关系数R分别为0.8791与0.9316,均方根误差(RMSE)分别为0.36与0.34。结果表明,方法可靠可行,可实现对咪唑鎓盐类双子表面活性剂的cmc的定量预测。 展开更多
关键词 咪唑鎓盐类双子表面活性剂 临界胶束浓度 定量结构-cmc关系模型 方法阈值法 支持向量回归
在线阅读 下载PDF
Development of a particle swarm optimization based support vector regression model for titanium dioxide band gap characterization 预览
8
作者 Taoreed O.Owolabi 《半导体学报:英文版》 EI CAS CSCD 2019年第2期49-55,共7页
Energy band gap of titanium dioxide(TiO2) semiconductor plays significant roles in many practical applications of the semiconductor and determines its appropriateness in technological and industrial applications such ... Energy band gap of titanium dioxide(TiO2) semiconductor plays significant roles in many practical applications of the semiconductor and determines its appropriateness in technological and industrial applications such as UV absorption, pigment,photo-catalysis, pollution control systems and solar cells among others. Substitution of impurities into crystal lattice structure is the most commonly used method of tuning the band gap of TiO2 for specific application and eventually leads to lattice distortion. This work utilizes the distortion in the lattice structure to estimate the band gap of doped TiO2, for the first time, through hybridization of a particle swarm optimization algorithm(PSO) with a support vector regression(SVR) algorithm for developing a PSO-SVR model. The precision and accuracy of the developed PSO-SVR model was further justified by applying the model for estimating the effect of cobalt-sulfur co-doping, nickel-iodine co-doping, tungsten and indium doping on the band gap of TiO2 and excellent agreement with the experimentally reported values was achieved. Practical implementation of the proposed PSO-SVR model would further widen the applications of the semiconductor and reduce the experimental stress involved in band gap determination of TiO2. 展开更多
关键词 band gap LATTICE DISTORTION crystal LATTICE parameters particle SWARM optimization support vector regression titanium dioxide
在线阅读 下载PDF
改进的FastICA-SVR结合荧光光谱技术测定1-萘酚、2-萘酚 预览
9
作者 王玉田 刘凌妃 +4 位作者 张立娟 张正帅 刘婷婷 王书涛 商凤凯 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2019年第1期142-149,共8页
水作为生命之源与人类的生存息息相关,近年来关于水环境污染的报道越来越多,不容忽视。实验以萘酚的两种同分异构体1-萘酚、2-萘酚的混合物作为研究对象,提出了一种新的算法,通过对混合物的三维荧光光谱进行分析来实现水中萘酚的定性定... 水作为生命之源与人类的生存息息相关,近年来关于水环境污染的报道越来越多,不容忽视。实验以萘酚的两种同分异构体1-萘酚、2-萘酚的混合物作为研究对象,提出了一种新的算法,通过对混合物的三维荧光光谱进行分析来实现水中萘酚的定性定量分析。利用FS920稳态荧光光谱仪对配制的混合溶液进行扫描得到荧光光谱数据,并对数据进行一系列的预处理去除拉曼散射和瑞利散射的影响。将解决盲源分离(BSS)问题的独立成分分析(ICA)算法应用到荧光光谱定性定量分析问题当中,盲源分离技术就是将测量得到的混合信号作为处理对象进行分解,实现未知系统中源信号的求解,并得到混合矩阵。对混合物中单一物质的识别与测量与盲源分离问题类似。采用基于负熵最大的快速独立成分分析(FastICA)算法对实验数据进行分解,将所有样本的三维荧光光谱数据沿发射波长方向展开成为向量,得到一个大小为(N×M)的矩阵(N为样本数,M为波长数),将该矩阵作为快速独立成分分析的输入进行独立分量提取,输出分别为单组分物质的展开荧光光谱和混合矩阵。FastICA算法的关键是利用牛顿迭代算法得到解混矩阵,但迭代过程中复杂的求导问题会使计算量增大、迭代速度减慢,针对该算法存在的问题,提出用差分法(又称为双点弦截法)代替求导的解决方法。为了验证算法的可行性,用改进后的算法和原有算法分别对荧光光谱数据进行了五次独立分量提取实验,原有算法平均运行时间为17.78 s,而改进后的算法平均运行时间为3.22 s,比原有算法提高了14.56 s,有效地减少了计算量,改善了FastICA算法的迭代速度并且使其收敛性更加稳定。通过实验结果可以看出改进后的算法得到的光谱更接近真实的光谱。利用快速独立成分分析算法分解得到的混合矩阵与物质浓度相关,这是物质定量分析� 展开更多
关键词 萘酚 光谱分解 独立成分分析 支持向量回归机 样品回收率
在线阅读 下载PDF
基于支持向量回归的混凝土抗压强度预测研究 预览
10
作者 唐江凌 《电脑知识与技术:学术版》 2019年第6Z期268-269,272共3页
为了预测不同因素影响下的混凝土抗压强度,根据实测数据集,应用支持向量回归(SVR)方法,建立了SVR预测模型。模型以混凝土等效水灰比((mW/mC)E)、骨料平均浆体厚度(APT)、粉煤灰与胶凝材料用量比(βF)等3个参数为输入变量,以混凝土28d抗... 为了预测不同因素影响下的混凝土抗压强度,根据实测数据集,应用支持向量回归(SVR)方法,建立了SVR预测模型。模型以混凝土等效水灰比((mW/mC)E)、骨料平均浆体厚度(APT)、粉煤灰与胶凝材料用量比(βF)等3个参数为输入变量,以混凝土28d抗压强度为输出变量(fcu,28)进行学习和预测。经过与人工神经网络(ANN)预测模型进行比较,结果表明:对于相同的训练样本和检验样本,支持向量回归的预测模型比人工神经网络模型具有更高的预测精度。 展开更多
关键词 支持向量回归 混凝土 等效水灰比 骨料平均浆体厚度 粉煤灰与胶凝材料用量
在线阅读 下载PDF
基于支持向量机与BP神经网络的税收收入预测模型 预览 被引量:1
11
作者 刘兰苓 孙德山 张文政 《江苏商论》 2019年第2期131-133,共3页
我国的税收体制是一个多种因素构成的复杂动态系统,税收预测的研究对我国经济发展具有重大意义,主要通过逐步回归模型进行变量的选择,进而研究回归型支持向量机与逐步回归模型以及BP神经网络对税收收入预测的模型对比,使用均方误差和平... 我国的税收体制是一个多种因素构成的复杂动态系统,税收预测的研究对我国经济发展具有重大意义,主要通过逐步回归模型进行变量的选择,进而研究回归型支持向量机与逐步回归模型以及BP神经网络对税收收入预测的模型对比,使用均方误差和平均绝对误差两个指标来分析模型的预测性能,并获得更适合的税收预测方法,为税收分析提供一定的参考。 展开更多
关键词 支持向量机 逐步回归 BP神经网络 税收收入
在线阅读 下载PDF
基于Subbagging的支持向量回归集成及应用
12
作者 李丽 车金香 +1 位作者 赵云 车金星 《数学的实践与认识》 北大核心 2019年第15期167-172,共6页
基于Subbagging的支持向量回归(SVR)集成预测方法的目的有两个方面:一是理论分析上使得集成预测统计量成为不完全U统计量,二是计算上使得SVR复杂度显著降低.系统地研究了该方法的建模过程,重点讨论了采样尺寸参数对预测精度的影响,并通... 基于Subbagging的支持向量回归(SVR)集成预测方法的目的有两个方面:一是理论分析上使得集成预测统计量成为不完全U统计量,二是计算上使得SVR复杂度显著降低.系统地研究了该方法的建模过程,重点讨论了采样尺寸参数对预测精度的影响,并通过真实案例分析验证了所建立的SVR集成预测方法的有效性. 展开更多
关键词 支持向量回归 预测方法 Subbagging 模型复杂度
一种新型锂电池充电剩余时间预测方法 预览
13
作者 程树英 林鹏程 林培杰 《电源技术》 CAS 北大核心 2019年第1期99-102,135共5页
提出了一种基于信息粒化(IG)的支持向量回归(SVR)方法来预测锂电池充电剩余时间。首先,通过模糊信息粒化窗口提取代表性数据,同时形成概率性预测的置信区间上下限,并重新组合特征向量建立训练样本。然后,运用样本对训练支持向量回归模型... 提出了一种基于信息粒化(IG)的支持向量回归(SVR)方法来预测锂电池充电剩余时间。首先,通过模糊信息粒化窗口提取代表性数据,同时形成概率性预测的置信区间上下限,并重新组合特征向量建立训练样本。然后,运用样本对训练支持向量回归模型,在参数优选方面采用网格划分的交叉验证方式。最后,通过3个不同的支持向量回归模型得到充电剩余时间的置信区间。以美国国家航空航天阿姆斯研究中心公开的电池数据为实例,通过与三段式模型方法进行对比,结果表明该模型在精度、通用性方面表现更好。 展开更多
关键词 模糊信息粒化 支持向量回归 充电剩余时间 锂电池
在线阅读 免费下载
基于机器学习的马尾松毛虫发生面积预测模型 预览
14
作者 庞永华 冀小菊 《江西农业学报》 CAS 2019年第5期55-58,共4页
为了提高马尾松毛虫预测预报的准确性,分别采用随机森林、支持向量机和深度学习3种机器学习模型,应用气象因子预测马尾松毛虫发生面积,并将模型预测结果与实际发生面积进行比较。结果表明:3个机器学习模型的拟合效果均优于多元线性模型... 为了提高马尾松毛虫预测预报的准确性,分别采用随机森林、支持向量机和深度学习3种机器学习模型,应用气象因子预测马尾松毛虫发生面积,并将模型预测结果与实际发生面积进行比较。结果表明:3个机器学习模型的拟合效果均优于多元线性模型,其中深度学习对马尾松毛虫发生面积的预测最为稳健,拟合决定系数(R2)和预测准确率(PA)最高(R^2=0.9901,PA=99.27%),均方根误差(RSME)最低(RSME=0.1711);支持向量机模型预测效果也较好(R^2=0.9617,RSME=0.3275,PA=92.13%)。深度学习可用于马尾松毛虫发生面积与气象因子非线性模型的构建。 展开更多
关键词 马尾松毛虫 深度学习 支持向量机 随机森林 多元线性回归 模型预测
在线阅读 下载PDF
基于Scikit-learn的支持向量回归分析 预览
15
作者 潘兴广 牛志忠 张明贵 《现代信息科技》 2019年第6期9-11,共3页
本文使用python的机器学习库——Scikit-learn实现支持向量回归(SVR)。在人工数据集上,RBF核的SVR比线性核和多项式核的SVR表现出了较好的数据拟合能力。本文在经典的UCI数据集上分别使用线性核、多项式核和RBF核的SVR进行回归分析,并... 本文使用python的机器学习库——Scikit-learn实现支持向量回归(SVR)。在人工数据集上,RBF核的SVR比线性核和多项式核的SVR表现出了较好的数据拟合能力。本文在经典的UCI数据集上分别使用线性核、多项式核和RBF核的SVR进行回归分析,并对三种模型进行了分析比较。 展开更多
关键词 Scikit-learn 支持向量 回归分析
在线阅读 下载PDF
FTIR对滇龙胆环烯醚萜类成分含量快速预测研究
16
作者 裴艺菲 沈涛 +2 位作者 左智天 张庆芝 王元忠 《药物分析杂志》 CAS CSCD 北大核心 2019年第4期615-623,共9页
目的:建立适用于滇龙胆根、茎与叶中主要环烯醚萜类成分的含量预测模型,开发一种快速有效的质量控制方法。方法:采集云南省231份滇龙胆样品的傅里叶变换红外光谱(FTIR),用高效液相色谱(HPLC)法测定根中马钱苷酸、獐牙菜苦苷、龙胆苦苷... 目的:建立适用于滇龙胆根、茎与叶中主要环烯醚萜类成分的含量预测模型,开发一种快速有效的质量控制方法。方法:采集云南省231份滇龙胆样品的傅里叶变换红外光谱(FTIR),用高效液相色谱(HPLC)法测定根中马钱苷酸、獐牙菜苦苷、龙胆苦苷及当药苷含量,根、茎及叶内总环烯醚萜类含量。光谱进行预处理并选取最佳预处理方式。SPXY算法将样品按2∶1分为训练集和预测集,训练集数据结合支持向量机回归(SVR)建立不同产地、部位滇龙胆环烯醚萜类含量快速预测模型,预测集数据对模型泛化能力进行外部验证。结果(:1)滇龙胆根中不同环烯醚萜类含量差异较大,其中龙胆苦苷>马钱苷酸>当药苷>獐牙菜苦苷;总体上不同部位之间总环烯醚萜含量根>叶>茎,部分产地叶中总环烯醚萜含量大于根(;2)不同产地及部位滇龙胆的红外光谱峰形及波数相似,但吸收度存在差异(;3)所有模型中,标准正态变量(SNV)+二阶导数(SD)+13点Savitzky-Golay(SG)平滑+正交信号校正(OSC)-SVR与SNV+SD+11点SG平滑+OSC-SVR对根中总环烯醚萜及龙胆苦苷含量预测效果最佳,预测集相关系数(R_p~2)分别达到0.975 8、0.971 1,RPD分别为5.56、4.99,模型可信度较高,预测值与HPLC检测值接近。结论:FTIR技术结合化学计量学对8个产地滇龙胆中环烯醚萜类成分含量进行准确预测,可作为一种快速可靠的定量方法对滇龙胆药材进行质量控制。 展开更多
关键词 傅里叶变换红外光谱 支持向量机回归 滇龙胆 环烯醚萜类 马钱苷酸 獐牙菜苦苷 龙胆苦苷 当药苷 含量预测
基于支持向量回归的直流受端电网动态无功需求在线评估 预览
17
作者 刘俊磊 钱峰 +2 位作者 伍双喜 杨银国 孙百哲 《电力系统保护与控制》 CSCD 北大核心 2019年第13期37-45,共9页
暂态电压稳定性已经成为直流受端电网安全的重要威胁之一,实时在线的动态无功源管理和控制是应对这一挑战的有效手段。因此,有必要研究直流受端电网的动态无功需求在线评估技术,量化评估动态无功设备对电网暂态电压稳定性的支撑作用。以... 暂态电压稳定性已经成为直流受端电网安全的重要威胁之一,实时在线的动态无功源管理和控制是应对这一挑战的有效手段。因此,有必要研究直流受端电网的动态无功需求在线评估技术,量化评估动态无功设备对电网暂态电压稳定性的支撑作用。以往,主要依赖时域仿真法对大电网的暂态电压稳定性进行分析,由于计算耗时较长等原因导致其在线应用受限。针对这一问题,提出了基于支持向量回归(SVR)的直流受端电网动态无功需求在线评估方法。首先,建立了能够量化评估电网暂态电压稳定性的STVSI-SVR模型,然后提出了以该模型为基础的动态无功储备评估算法。相比于传统的基于时域仿真的分析方法,该算法能够快速地计算出合理的结果,满足在线应用的需求。最后在我国某实际受端电网模型上测试了算法的有效性。 展开更多
关键词 无功储备需求 在线评估 支持向量机回归 STVSI-SVR模型
在线阅读 下载PDF
基于MAWILab数据集的短期网络流量预测 预览
18
作者 强延飞 刘雅婷 +1 位作者 王永程 谷源涛 《计算机仿真》 北大核心 2019年第5期407-411,共5页
针对网络性能优化中短期流量预测模型选择问题,设计仿真,采用支持向量回归、神经网络(多层感知器)和线性时间序列(ARIMA)等多种模型,对MAWILab数据集中骨干网流量进行短期预测。应用一步预测方法,得到不同流量序列样本的预测结果,通过... 针对网络性能优化中短期流量预测模型选择问题,设计仿真,采用支持向量回归、神经网络(多层感知器)和线性时间序列(ARIMA)等多种模型,对MAWILab数据集中骨干网流量进行短期预测。应用一步预测方法,得到不同流量序列样本的预测结果,通过量化预测误差比较不同模型的预测性能,得出最终结论,在实际网络流量短期预测问题中,与ARIMA模型相比,具有非线性函数拟合功能的支持向量回归和神经网络可以取得更好的预测精度。 展开更多
关键词 流量预测 时间序列 支持向量回归 神经网络
在线阅读 下载PDF
支持向量回归的多因子量化策略研究 预览
19
作者 刘宁宁 张量 《福建电脑》 2019年第8期1-4,共4页
为了在股票市场上更好地进行选股操作以及量化投资,提出了运用支持向量机回归方法对上证指数的成分股的市值解释因子进行回归的方法.利用交叉验证法来确定模型超参数,通过参数寻优寻找市值与其解释因子之间的关系,并对特定交易日内各个... 为了在股票市场上更好地进行选股操作以及量化投资,提出了运用支持向量机回归方法对上证指数的成分股的市值解释因子进行回归的方法.利用交叉验证法来确定模型超参数,通过参数寻优寻找市值与其解释因子之间的关系,并对特定交易日内各个成分股残差的大小按降序进行排序,进而以此为基础制定调仓策略.实验对2012年1月1日至2018年12月31日的上证指数进行了十次实盘回测.结果表明,此研究方法以平均2.615的夏普率得到了62.01%的平均年化收益率,而线性回归的这两个值分别为1.587、46.69%,随机森林的这两个值分别为2.568、38.44%.对比得到,此研究方法在良好的风险控制基础上可以使投资获得更大的收益. 展开更多
关键词 支持向量回归 量化投资 市值解释因子 调仓策略 上证综指
在线阅读 下载PDF
An artificial intelligence based method for evaluating power grid node importance using network embedding and support vector regression
20
作者 Hui-fang WANG Chen-yu ZHANG +1 位作者 Dong-yang LIN Ben-teng HE 《信息与电子工程前沿:英文版》 SCIE EI CSCD 2019年第6期816-828,共13页
The identification of important nodes in a power grid has considerable benefits for safety. Power networks vary in many aspects, such as scale and structure. An index system can hardly cover all the information in var... The identification of important nodes in a power grid has considerable benefits for safety. Power networks vary in many aspects, such as scale and structure. An index system can hardly cover all the information in various situations. Therefore, the efficiency of traditional methods using an index system is case-dependent and not universal. To solve this problem, an artificial intelligence based method is proposed for evaluating power grid node importance. First, using a network embedding approach, a feature extraction method is designed for power grid nodes, considering their structural and electrical information. Then, for a specific power network, steady-state and node fault transient simulations under various operation modes are performed to establish the sample set. The sample set can reflect the relationship between the node features and the corresponding importance. Finally, a support vector regression model is trained based on the optimized sample set for the later online use of importance evaluation. A case study demonstrates that the proposed method can effectively evaluate node importance for a power grid based on the information learned from the samples. Compared with traditional methods using an index system, the proposed method can avoid some possible bias. In addition, a particular sample set for each specific power network can be established under this artificial intelligence based framework, meeting the demand of universality. 展开更多
关键词 Power grid Artificial INTELLIGENCE Node importance Text-associated Deep WALK NETWORK EMBEDDING Support vector regression
上一页 1 2 123 下一页 到第
使用帮助 返回顶部 意见反馈