期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到115篇文章
< 1 2 … 6 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于PSO-SVR算法的钢板-混凝土组合连梁承载力预测 被引量：2
1
作者 田建勃 闫靖帅 +2 位作者 王晓磊 赵勇 史庆轩 《振动与冲击》 北大核心 2025年第7期155-162,共8页
为准确预测钢板-混凝土组合(steel plate-RC composite,PRC)连梁承载力,本文分别通过支持向量机回归算法(support vector regression,SVR)、极端梯度提升算法(XGBoost)和粒子群优化的支持向量机回归(particle swarm optimization-suppor... 为准确预测钢板-混凝土组合(steel plate-RC composite,PRC)连梁承载力,本文分别通过支持向量机回归算法(support vector regression,SVR)、极端梯度提升算法(XGBoost)和粒子群优化的支持向量机回归(particle swarm optimization-support vector regression,PSO-SVR)算法进行了PRC连梁试验数据的回归训练,此外,通过使用Sobol敏感性分析方法分析了数据特征参数对PRC连梁承载力的影响。结果表明,基于SVR、极端梯度提升算法(extreme gradient boosting,XGBoost)和PSO-SVR的预测模型平均绝对百分比误差分别为5.48%、7.65%和4.80%,其中,基于PSO-SVR算法的承载力预测模型具有最高的预测精度,模型的鲁棒性和泛化能力更强。此外,特征参数钢板率(ρ_(p))、截面高度(h)和连梁跨高比(l_(n)/h)对PRC连梁承载力影响最大,三者全局影响指数总和超过0.75,其中,钢板率(ρ_(p))是对PRC连梁承载力影响最大的单一因素,一阶敏感性指数和全局敏感性指数分别为0.3423和0.3620,以期为PRC连梁在实际工程中的设计及应用提供参考。 展开更多
关键词 钢板-混凝土组合连梁 机器学习 粒子群优化的支持向量机回归(pso-svr)算法 承载力 敏感性分析
在线阅读 下载PDF
基于PSO-SVR模型的轨道交通客流预测
2
作者 胡松 常征 +2 位作者 杨贝 王海鹏 马捷 《都市快轨交通》 北大核心 2025年第5期50-56,共7页
为解决细粒度条件下城市轨道交通的客流规模精准预测及管理决策问题,基于轨道交通自动售检票数据分析客流时空分布特征及轨道交通客流影响因素,选取支持向量机回归(support vector regression,SVR)模型作为轨道交通客流预测算法并采用... 为解决细粒度条件下城市轨道交通的客流规模精准预测及管理决策问题,基于轨道交通自动售检票数据分析客流时空分布特征及轨道交通客流影响因素,选取支持向量机回归(support vector regression,SVR)模型作为轨道交通客流预测算法并采用粒子群(particle swarm optimization,PSO)算法优化模型参数;基于2021年10月北京市地铁4号线客流,以15 min为客流统计与预测的时间粒度,将天气、时段和日期类型3个影响因素作为模型预测的输入变量,采用指标评价(均方误差、平均绝对误差、决定系数和相对精度)和模型对比方式验证模型的准确性。研究结果表明:本文所提模型能够准确刻画轨道客流时空特征并具有较高的预测精度,模型预测的均方误差MSE和决定系数R2分别为0.016 4和0.93;轨道交通客流量与不同模型预测结果的误差值之间存在正相关关系。研究有助于理解城市轨道交通客流分布特征与演变规律,为优化轨道交通运营组织、调度策略及线网规划等提供支撑。 展开更多
关键词 城市交通 客流预测 支持向量回归模型 粒子群算法 参数优化
在线阅读 下载PDF
基于PSO-SVR的植物纤维地膜抗张强度预测研究 被引量：11
3
作者 刘环宇 陈海涛 +1 位作者 闵诗尧 张颖 《农业机械学报》 EI CAS CSCD 北大核心 2017年第4期118-124,共7页
为快速、准确地对生产过程中植物纤维地膜抗张强度进行预测,降低生产成本,提高原料利用率,以植物纤维地膜中试平台为依托,基于粒子群算法(PSO)优化支持向量机回归(SVR)模型,结合正交试验设计L25(56)方法,以纤维打浆度、施胶剂添加量、... 为快速、准确地对生产过程中植物纤维地膜抗张强度进行预测,降低生产成本,提高原料利用率,以植物纤维地膜中试平台为依托,基于粒子群算法(PSO)优化支持向量机回归(SVR)模型,结合正交试验设计L25(56)方法,以纤维打浆度、施胶剂添加量、湿强剂添加量、地膜定量、混合比作为模型输入参数,以植物纤维地膜抗张强度为输出进行模拟预测,并将模拟结果与SVR、BP、RBF智能算法模型进行对比分析。结果表明:PSO-SVR模型能够较好地表达植物纤维地膜抗张强度与模型参数间的非线性关系,并能根据输入参数快速准确地对植物纤维地膜抗张强度进行预测,测试集样本中预测值与实际值间均方误差、决定系数和均方根误差为0.117 N2、0.915、0.342 N;与其他智能算法(SVR、BP、RBF)相比,PSO-SVR算法模型具有更高的适用性与稳定性。研究结果可为生产过程中不同抄造工艺参数下植物纤维地膜抗张强度的在线监控提供参考依据。 展开更多
关键词 植物纤维地膜 抗张强度 预测模型 支持向量机回归 粒子群算法 正交试验设计
在线阅读 下载PDF
基于PSO-SVR的岩质边坡稳定性评价模型 被引量：11
4
作者 颜七笙 王士同 《计算机工程与应用》 CSCD 北大核心 2011年第16期235-238,共4页
针对边坡稳定性影响因素的复杂性,提出了基于粒子群算法(PSO)和支持向量回归(SVR)的边坡稳定性评价模型。该模型利用粒子群算法快速全局优化的特点和支持向量回归机对小样本数据的良好学习能力,建立了岩质边坡稳定性与其影响因素之间的... 针对边坡稳定性影响因素的复杂性,提出了基于粒子群算法(PSO)和支持向量回归(SVR)的边坡稳定性评价模型。该模型利用粒子群算法快速全局优化的特点和支持向量回归机对小样本数据的良好学习能力,建立了岩质边坡稳定性与其影响因素之间的非线性关系。仿真实验表明,该方法具有比BP神经网络和自适应模糊推理系统(ANFIS)方法更好的预测精度。 展开更多
关键词 岩质边坡 稳定性评价 支持向量回归 粒子群算法
在线阅读 下载PDF
基于IPSO-SVR的水泥分解炉温度预测模型研究 被引量：6
5
作者 金星 徐婷 冷淼 《现代电子技术》 北大核心 2017年第9期148-151,共4页
为建立稳定可靠的分解炉温度预测模型,结合与分解炉温度密切相关的几个主要运行参数,提出一种粒子群参数优化的支持向量回归机算法(PSO-SVR),并在粒子群算法中引入自适应惯性权重的思想,构建出分解炉温度预测模型。与未改进的模型进行... 为建立稳定可靠的分解炉温度预测模型,结合与分解炉温度密切相关的几个主要运行参数,提出一种粒子群参数优化的支持向量回归机算法(PSO-SVR),并在粒子群算法中引入自适应惯性权重的思想,构建出分解炉温度预测模型。与未改进的模型进行仿真对比实验,实验结果表明,该IPSO-SVR模型具有较佳的预测能力,预测相关系数达到0.707 5,温度预测误差绝对值不超过7℃,误差率在0.8%以内。 展开更多
关键词 分解炉温度 粒子群算法 惯性权重 支持向量回归机 预测模型
在线阅读 下载PDF
基于QPSO-SVR的售后配件库存需求预测 被引量：7
6
作者 杨静雅 孙林夫 《计算机工程与设计》 北大核心 2015年第9期2539-2543,2571,共6页
为实现对售后配件库存需求量的准确预测,优化配件库存,提出支持向量回归(SVR)的预测方法;采用量子粒子群算法(QPSO)对SVR参数进行优化选择,设计基于QPSO-SVR的售后配件库存需求预测流程。以汽车产业链协同平台的售后配件库存历史需求量... 为实现对售后配件库存需求量的准确预测,优化配件库存,提出支持向量回归(SVR)的预测方法;采用量子粒子群算法(QPSO)对SVR参数进行优化选择,设计基于QPSO-SVR的售后配件库存需求预测流程。以汽车产业链协同平台的售后配件库存历史需求量为样本数据进行实例仿真,将QPSO-SVR预测模型与反向传播神经网络(BPNN)和PSOSVR模型做比较,实验和比较结果表明,QPSO-SVR预测方法有效可行,其预测精度和泛化能力均优于其它两种方法。 展开更多
关键词 配件库存 需求预测 支持向量回归 量子粒子群算法 参数优化
在线阅读 下载PDF
SCR脱硝系统PCA-HPSO-SVR大数据建模研究 被引量：12
7
作者 高学伟 付忠广 +1 位作者 刘柄含 张连升 《自动化仪表》 CAS 2017年第7期15-19,共5页
燃煤火电厂中的选择性催化还原(SCR)脱硝系统无法实现喷氨量的精确控制,SCR脱硝系统模型的可靠性直接关系到脱硝系统控制和运行的可靠性。通过挖掘现场海量的实际运行数据,对采用大数据建模理论建立的脱硝系统模型、SCR脱硝反应系统及... 燃煤火电厂中的选择性催化还原(SCR)脱硝系统无法实现喷氨量的精确控制,SCR脱硝系统模型的可靠性直接关系到脱硝系统控制和运行的可靠性。通过挖掘现场海量的实际运行数据,对采用大数据建模理论建立的脱硝系统模型、SCR脱硝反应系统及现阶段存在的问题进行了研究。通过理论和实际运行情况分析,确定模型输入、输出需采集的变量。采用滑动窗口法提取稳态工况数据,利用主成分支持向量机回归(PCA-SVR)方法进行建模。对标准粒子群算法进行改进,采用混合粒子群算法(HPSO)对模型参数进行优化。结果表明,利用HPSO优化的脱硝系统PCA-SVR模型具有较高的预测精度和泛化能力。所建模型为下一步脱硝系统的优化运行以及喷氨量的精确控制奠定了基础。 展开更多
关键词 选择性催化还原 大数据 主成分分析 混合粒子群算法 支持向量机回归 滑动窗口法
在线阅读 下载PDF
基于PSO-SVR动态模型的车辆排队长度预测 被引量：3
8
作者 孙文兵 彭跃辉 《计算机工程与应用》 CSCD 北大核心 2016年第2期239-243,共5页
针对突发事件下城市道路车辆排队系统的特点,从时空角度综合考虑车辆排队系统的影响因素,建立支持向量回归(SVR)动态模型对车辆排队长度进行预测。考虑到参数选择对模型性能影响的敏感性,提出了以k折交叉验证(k-CV)均方误差平均值为适... 针对突发事件下城市道路车辆排队系统的特点,从时空角度综合考虑车辆排队系统的影响因素,建立支持向量回归(SVR)动态模型对车辆排队长度进行预测。考虑到参数选择对模型性能影响的敏感性,提出了以k折交叉验证(k-CV)均方误差平均值为适应度的粒子群优化(PSO)方法并对SVR模型参数进行寻优。用提出的PSO-SVR模型与K-CV和遗传算法(GA)优化的SVR模型以及BP网络预测模型对比,实验结果表明,该模型具有较高的预测精度和泛化能力,适用于车辆排队长度的预测。 展开更多
关键词 支持向量回归 粒子群算法 参数优化 车辆排队长度 预测
在线阅读 下载PDF
电网可靠性评估的PSO-SVR评估模型 被引量：5
9
作者 龚兰芳 张昱 《计算机仿真》 CSCD 北大核心 2011年第7期196-199,共4页
城市电网结构复杂,数据量大是电网可靠性评估的难点,导致了传统的电网可靠性评估方法难以有效评估。为提高评估的精度和效率,提出一种基于粒子群支持向量回归法的电网可靠性评估的新方法解决电网可靠性评估的问题,采用供电可靠率作为评... 城市电网结构复杂,数据量大是电网可靠性评估的难点,导致了传统的电网可靠性评估方法难以有效评估。为提高评估的精度和效率,提出一种基于粒子群支持向量回归法的电网可靠性评估的新方法解决电网可靠性评估的问题,采用供电可靠率作为评估指标,粒子群支持向量回归法能克服传统的人工神经网络可靠性评估方法易陷入局部极值。采用电网可靠性评估特征参数与评估指标,确定评估模型结构,再用粒子群优化算法优化支持向量回归模型参数。仿真结果表明,粒子群支持向量回归法可靠性评估精度高于人工神经网络。证明粒子群支持向量回归的电网可靠性评估方法具有更好的应用价值。 展开更多
关键词 支持向量回归法 电网可靠性 评估算法 粒子群优化
在线阅读 下载PDF
基于PSO-SVR的15-5PH合金粉末激光熔覆层稀释率预测方法 被引量：16
10
作者 杜彦斌 胡言峰 +1 位作者 许磊 周志杰 《计算机集成制造系统》 EI CSCD 北大核心 2022年第7期2169-2178,共10页
为了预测15-5PH合金粉末激光熔覆层稀释率进而改善熔覆层性能,提出一种基于粒子群算法(PSO)优化支持向量回归(SVR)的15-5PH激光熔覆层稀释率预测方法。以15-5PH为熔覆材料,45钢为基体进行激光熔覆实验;基于实验结果建立了工艺参数与15-... 为了预测15-5PH合金粉末激光熔覆层稀释率进而改善熔覆层性能,提出一种基于粒子群算法(PSO)优化支持向量回归(SVR)的15-5PH激光熔覆层稀释率预测方法。以15-5PH为熔覆材料,45钢为基体进行激光熔覆实验;基于实验结果建立了工艺参数与15-5PH熔覆层稀释率间的SVR模型;优选SVR模型的核函数并运用PSO优化SVR模型的参数。结果表明:PSO-SVR模型选择高斯核函数时预测性能最好;与SVR模型和BP神经网络模型的预测结果相比,PSO-SVR模型对15-5PH熔覆层稀释率的预测结果更准确,模型的决定系数为0.9647,均方误差为0.0003,平均相对误差为3.6%。 展开更多
关键词 激光熔覆 15-5PH合金粉末 稀释率 支持向量回归 粒子群算法
在线阅读 下载PDF
基于IPSO-SVR的水泥窑尾分解率软测量研究 被引量：1
11
作者 金星 徐婷 +3 位作者 王盛慧 李冰岩 秦石凌 张永恒 《中国测试》 CAS 北大核心 2016年第11期89-93,共5页
为实现水泥窑尾分解率的实时在线检测,利用软测量技术在解决工业在线测量问题中的优势,提出一种改进的粒子群参数优化的支持向量回归机算法(IPSO-SVR),即通过粒子群算法对支持向量机模型核心参数进行优化选择,并在粒子群算法中引入自适... 为实现水泥窑尾分解率的实时在线检测,利用软测量技术在解决工业在线测量问题中的优势,提出一种改进的粒子群参数优化的支持向量回归机算法(IPSO-SVR),即通过粒子群算法对支持向量机模型核心参数进行优化选择,并在粒子群算法中引入自适应惯性权重的思想,克服粒子群算法容易出现早熟收敛、陷入局部极值的缺点,最终建立起基于IPSO-SVR的窑尾分解率软测量模型。将其与基于交叉验证法(CV)和未改进粒子群算法优化SVR参数的软测量模型进行仿真对比实验,实验表明:该IPSO-SVR模型具有更佳的预测能力,窑尾分解率预测相关系数达0.857 5,预测最大相对误差不超过1.14%,平均相对误差为0.75%,可进一步运用到诸如水泥生产等大型工业的产品分解率预测中。 展开更多
关键词 在线检测 窑尾分解率 软测量 粒子群算法 支持向量回归机
在线阅读 下载PDF
PSO-SVR算法在发酵过程控制中的应用 被引量：1
12
作者 陈树 徐保国 +1 位作者 王海霞 吴晓鹏 《计算机工程与应用》 CSCD 北大核心 2007年第19期214-216,共3页
针对发酵过程中生物参数难以实时在线测量的问题,建立了用于生物参数状态预估的支持向量机软测量模型。考虑到该支持向量回归模型的复杂性和推广能力的好坏很大程度上取决于其3个参数(ε,C,γ)能否取到最优值,采用粒子群算法实现对参数(... 针对发酵过程中生物参数难以实时在线测量的问题,建立了用于生物参数状态预估的支持向量机软测量模型。考虑到该支持向量回归模型的复杂性和推广能力的好坏很大程度上取决于其3个参数(ε,C,γ)能否取到最优值,采用粒子群算法实现对参数(ε,C,γ)的同时寻优。在此基础上,以L-天冬酰胺酶Ⅱ为对象,建立其基于PSO-SVR的发酵过程产物浓度状态预估模型。发酵罐控制结果表明:该模型具有很好的学习精度和泛化能力,可实现对L-天冬酰胺酶Ⅱ产物浓度的实时在线预估。 展开更多
关键词 支持向量回归(SVR) 状态预估 粒子群优化(PSO)算法 L-天冬酰胺酶Ⅱ
在线阅读 下载PDF
基于PSO-SVR的同步发电机励磁电流预测 被引量：3
13
作者 李红连 唐炬 《西北农林科技大学学报（自然科学版）》 CSCD 北大核心 2013年第6期188-194,共7页
【目的】采用粒子群优化支持向量回归(PSO-SVR)模型对同步发电机励磁电流进行预测,为更准确地实现同步发电机转子绕组匝间短路故障的在线诊断提供依据。【方法】以微型同步发电机动模试验的20组正常运行数据作为训练样本,用剩下的13组... 【目的】采用粒子群优化支持向量回归(PSO-SVR)模型对同步发电机励磁电流进行预测,为更准确地实现同步发电机转子绕组匝间短路故障的在线诊断提供依据。【方法】以微型同步发电机动模试验的20组正常运行数据作为训练样本,用剩下的13组正常运行数据和33组故障运行数据为检验样本,选取机端电压、有功功率、无功功率为输入量,励磁电流为输出量,通过粒子群优化(PSO)支持向量回归(SVR)的结构和参数,建立PSO-SVR预测模型,进而进行励磁电流预测,并与在线实测的励磁电流进行比较,以误差超过阈值诊断为发生匝间短路故障。【结果】PSO-SVR预测模型的预测误差较误差反向传播(BP)神经网络预测模型小;PSO-SVR模型能设置阈值准确诊断运行状态,而BP神经网络预测模型却不能,并且至少有1次误诊情况出现。【结论】PSO-SVR预测模型的精度优于BP神经网络预测模型,能准确地进行转子绕组匝间短路故障诊断,为同步发电机励磁电流预测、转子绕组匝间短路故障的在线诊断提供了一种新途径。 展开更多
关键词 支持向量回归 粒子群优化算法 励磁电流预测 同步发电机 转子绕组 匝间短路故障
在线阅读 下载PDF
基于PSO-SVR的下水道可燃气体分析 被引量：1
14
作者 王红旗 成新文 蒋华龙 《测控技术》 CSCD 2015年第2期20-23,共4页
针对下水道可燃气体传感器非线性、选择性差和交叉敏感的特点,建立了一种基于粒子群算法(PSO)支持向量回归机(SVR)的下水道可燃气体分析预测模型。该模型通过引入粒子群算法对支持向量回归机的重要参数进行优化,从而实现了支持向量回归... 针对下水道可燃气体传感器非线性、选择性差和交叉敏感的特点,建立了一种基于粒子群算法(PSO)支持向量回归机(SVR)的下水道可燃气体分析预测模型。该模型通过引入粒子群算法对支持向量回归机的重要参数进行优化,从而实现了支持向量回归机的参数自动判定,用于下水道可燃气体的定量分析。仿真结果表明:基于粒子群的支持向量回归机下水道可燃气体分析预测模型优于SVR模型,具有较好的泛化性能和较高的预测精度。 展开更多
关键词 支持向量回归机 粒子群算法 可燃气体 预测模型
在线阅读 下载PDF
基于PSO-SVR模型的煤炭铁路物流需求预测 被引量：3
15
作者 陈培友 刘璐 《科技和产业》 2013年第12期51-56,共6页
在煤炭铁路物流需求预测中,存在历史样本量较小和非线性强的特点,从而致使预测精度较低。将支持向量回归机(support vector regression,SVR)与粒子群算法(Particle Swarm Optimization,PSO)相结合,提出适用于小样本量学习的PSO-SVR模型... 在煤炭铁路物流需求预测中,存在历史样本量较小和非线性强的特点,从而致使预测精度较低。将支持向量回归机(support vector regression,SVR)与粒子群算法(Particle Swarm Optimization,PSO)相结合,提出适用于小样本量学习的PSO-SVR模型。选取1995—2011年的煤炭铁路货运量及其影响因素作为学习样本,利用粒子群算法对支持向量机参数进行优化,通过训练、测试得到具有良好学习与推广能力的煤炭铁路货运量预测模型。建立BP神经网络模型,并将二者的预测值进行对比,结果表明在解决我国煤炭铁路物流需求预测这种小样本,非线性及高维模式识别问题中PSO-SVR模型预测精度优于BP神经网络模型。 展开更多
关键词 煤炭铁路物流需求预测 支持向量回归机 粒子群算法
在线阅读 下载PDF
基于InSAR监测和PSO-SVR模型的高填方区沉降预测 被引量：3
16
作者 李华蓉 戴双璘 郑嘉欣 《中国地质灾害与防治学报》 CSCD 2024年第2期127-136,共10页
基于小基线集干涉测量技术(small baseline subsets interferometric synthetic aperture radar,SBAS-InSAR)和机器学习知识对高填方区域进行地表沉降监测及预测,对工程项目的施工、检修、运营等工作都具有重要的指导意义。文章以重庆... 基于小基线集干涉测量技术(small baseline subsets interferometric synthetic aperture radar,SBAS-InSAR)和机器学习知识对高填方区域进行地表沉降监测及预测,对工程项目的施工、检修、运营等工作都具有重要的指导意义。文章以重庆东港集装箱码头为研究对象,选取2018—2019年覆盖研究区的31景Sentinel-1A数据,利用SBAS-InSAR技术获取该区域的地表沉降数据,并进行内外精度评定;通过信息量模型分析地表沉降易发地地势特点,选择预测点位;通过灰色关联分析计算动态影响因素与沉降量之间的灰色关联度,使用主成分分析法从影响因素中提取出主成分,构建训练集和测试集,通过粒子群算法-支持向量机法(particle swarm optimization-support vector regression,PSO-SVR)预测模型对测试集数据进行预测。为验证该模型在高填方区域沉降预测的可靠性和优异性,将自回归差分整合移动平均模型(autoregressive integrated moving average model,ARIMA)作为对比模型,分别将PSO-SVR模型的预测结果和ARIMA模型的预测结果与测试集进行对比。结果表明:PSO-SVR模型的预测精度优于ARIMA模型,在高填方区域地表沉降预测中具有较好的实用性。 展开更多
关键词 高填方区域 粒子群算法 支持向量机回归 形变预测
在线阅读 下载PDF
基于PCA-PSO-SVR的PV型旋风分离器粒级效率建模 被引量：2
17
作者 张玮 李立毅 张林林 《太原理工大学学报》 CAS 北大核心 2020年第5期663-668,共6页
为了准确地表达PV型旋风分离器的粒级效率与结构参数、操作参数之间复杂的非线性关系,采用PCA-PSO-SVR混合算法对PV型旋风分离器的粒级效率进行建模。采用主元分析法(PCA)对实验数据集进行降维处理,通过粒子群优化算法(PSO)对支持向量回... 为了准确地表达PV型旋风分离器的粒级效率与结构参数、操作参数之间复杂的非线性关系,采用PCA-PSO-SVR混合算法对PV型旋风分离器的粒级效率进行建模。采用主元分析法(PCA)对实验数据集进行降维处理,通过粒子群优化算法(PSO)对支持向量回归(SVR)模型中的超参数进行优化。将优化后的回归模型和其它机器学习模型在预测准确性、泛化性、鲁棒性以及运行速度方面进行了对比,结果表明,利用PCA-PSO-SVR算法对PV型旋风分离器的粒级效率建模是一种准确而有效的方法。 展开更多
关键词 PV型旋风分离器 支持向量回归算法 粒子群优化 粒级效率建模 主元分析法
在线阅读 下载PDF
基于PSO-SVR算法的高职学生学业预警模型研究 被引量：1
18
作者 颜金龙 李献丽 侯舟波 《江苏科技信息》 2021年第15期57-59,共3页
文章针对目前学业预警机制中存在的问题,提出了基于粒子群优化的支持向量回归机学业预警模型。综合考虑学生的基础知识、学习态度、学习氛围及学习成绩等多方面因素,确定合理的数据集结构,结合PSO-SVR算法,实现对大学3年总体学业状况的... 文章针对目前学业预警机制中存在的问题,提出了基于粒子群优化的支持向量回归机学业预警模型。综合考虑学生的基础知识、学习态度、学习氛围及学习成绩等多方面因素,确定合理的数据集结构,结合PSO-SVR算法,实现对大学3年总体学业状况的预测。 展开更多
关键词 学业预警 支持向量回归机 粒子群优化算法
在线阅读 下载PDF
基于改进PSO-SVR模型在短期风速预测上的应用研究
19
作者 吴玫 吕艳玲 《节能》 2022年第1期41-43,共3页
针对现有风速预测精度不高等问题,选择一种组合核函数的支持向量机回归模型(SVR),根据粒子的适应度动态自适应地调节算法中惯性权重取值的改进粒子群优化算法优化模型参数,建立基于改进PSO-SVR的短期风速预测模型,通过实例研究验证该方... 针对现有风速预测精度不高等问题,选择一种组合核函数的支持向量机回归模型(SVR),根据粒子的适应度动态自适应地调节算法中惯性权重取值的改进粒子群优化算法优化模型参数,建立基于改进PSO-SVR的短期风速预测模型,通过实例研究验证该方法的有效性与实用性。 展开更多
关键词 支持向量机回归 风速预测 核函数 粒子群算法 惯性权重
在线阅读 下载PDF
基于PSO-SVR算法的工业机器人分级标定方法 被引量：2
20
作者 薛祥儒 张承瑞 +2 位作者 胡天亮 陈齐志 丁信忠 《计算机集成制造系统》 EI CSCD 北大核心 2023年第1期51-60,共10页
为了提高六自由度机器人在应用中的定位精度,提出一种提高机器人绝对定位精度的分级标定方法。该方法第一阶段进行几何参数误差的标定,以改进的Denavit-Hartenberg(MD-H)模型为基础,加入减速比和耦合比的因素建立了完整的工业机器人几... 为了提高六自由度机器人在应用中的定位精度,提出一种提高机器人绝对定位精度的分级标定方法。该方法第一阶段进行几何参数误差的标定,以改进的Denavit-Hartenberg(MD-H)模型为基础,加入减速比和耦合比的因素建立了完整的工业机器人几何参数误差模型,之后采用Levenberg-Marquarelt(LM)算法辨识出机器人的几何参数误差并计算出剩余残差;第二阶段建立基于粒子群—支持向量回归(PSO-SVR)算法的剩余误差预测模型,来预测并补偿修正几何参数后剩余的残留误差。最后,以六自由度工业机器人进行试验验证,经过分级标定后机器人末端中心点的平均位置误差由5.866 mm减少到0.211 6 mm,最大位置误差由10.322 9 mm减少到0.699 9 mm,验证了该标定算法的正确性和有效性。 展开更多
关键词 工业机器人 运动学标定 非几何参数辨识 LM算法 粒子群—支持向量回归算法
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 6 下一页 到第 页
使用帮助 返回顶部