摘要：为了准确高效地得出矩形侧堰流量系数(C_(d)),首先设计矩形侧堰模型试验,得出6种不同流量工况下的流量系数试验值,利用MATLAB搭建不同核函数的最小二乘支持向量机(ls-svm)模型,将影响C_(d)的各无量纲参数作为模型输入,C_(d)作为模型输出.研究表明:ls-svm模型可用于矩形侧堰流量系数预测,且高斯核函数优于多项式核函数和线性核函数,在测试阶段最佳模型的性能指标平均绝对误差(MAE)为0.005,均方根误差(RMSE)为0.005,决定系数(R2)为0.966,表明该模型性能较好,精度较高,预测值较准确.本文提出了一种预测侧堰泄流能力的智能模型,讨论了不同无量纲参数对该模型的影响,验证了该模型的适用性,为类似水利工程提供参考依据,同时为解决复杂水力学问题提供新思路.

摘要：针对小样本非线性时间序列,根据非线性协整的定义,利用基于粒子群优化最小二乘支持向量机的方法,对小样本非线性协整关系检验与非线性误差修正模型建模进行研究,设计了方法的逻辑流程.对舰船维修费指数与物价指数进行实证研究,在协整关系类型判断的基础上,实现了小样本非线性协整关系的检验,建立了预测舰船维修费指数的非线性误差修正模型,并与线性向量自回归模型进行分析比较.研究表明:基于粒子群优化最小二乘支持向量机的小样本非线性协整检验与建模方法,刻画了小样本系统的非线性协整关系,所建立的非线性误差修正模型具有较好的预测效果,能够有效地预测小样本非线性系统.

摘要：将最小二乘支持向量机(ls-svm)融合改进模拟退火算法(SA)移植于嵌入式智能仪表中,结合嵌入式技术实现了对力敏传感器的温度补偿。由ls-svm构建力敏传感器的非线性模型,利用改进的模拟退火算法对ls-svm中的正则化参数和核宽度进行全局寻优,并通过设计嵌入式软硬件平台对该方法进行了验证。试验结果表明,该方法具有易实现,补偿精度较高等特点,对基于嵌入式智能仪表的传感器温度补偿有一定的实际意义。

摘要：为保障连续梁桥悬臂施工的精度,保证桥梁线性符合设计要求,需要对合拢时的梁体标高和应力进行预测和控制。应用最小二乘支持向量机(ls-svm)并借助Matlab工具箱建立预测模型,以标高和应力为研究参数,对比分析预测值与实测值,验证了最小二乘支持向量机(ls-svm)在连续箱梁桥施工控制中的可行性和准确性。

摘要：由于受安全性和经济性的双重指标要求,基坑支护结构优化设计一直是基坑工程中的研究重点之一.本文结合均匀试验设计(UD)和粒子群算法优化的最小二乘支持向量机(PSOlssvm),提出了一种基于ls-svm响应面法的基坑支护结构优化设计方法.其中,以工程量为优化目标,以安全系数作为约束条件,首先通过UD和有限元计算高效构造学习样本,然后利用PSO-lssvm模型的高度非线性映射能力建立学习样本响应面,并预测由Monte-Carlo模拟生成的多组随机样本结果,最后从中筛选满足全部约束条件的且目标函数值最小的样本作为优化设计最优解.通过算例分析表明,该方法优化效果明显,且具有较好的效率和精度.

摘要：建筑外围护结构性能对建筑能耗有十分显著的影响,其中影响较大的参数包括:外墙综合传热系数、外墙太阳辐射吸收系数、屋面综合传热系数、屋面太阳辐射吸收系数、外窗综合传热系数和窗墙比。为了在设计阶段实现建筑能耗预测,本文将建立的BIM模型导入Designbuilder能耗分析软件,针对以上六个外围护结构设计参数进行正交试验并利用能耗仿真获取数据样本集;在此基础上利用最小二乘支持向量机(ls-svm)对建筑能耗数据进行预测。为了验证预测的可靠性,将预测结果分别同BP人工神经网络、小波神经网络以及svm预测结果进行对比分析,结果表明ls-svm对建筑能耗进行预测具有明显优势。

摘要：精确预测已成为制约装备器材保障决策的重难点问题。针对小样本消耗数据装备器材历史数据少、复杂性高、非线性等特点,利用灰色模型构建方便、计算简单、善于挖掘影响因素内部联系的优点,以及ls-svm在非线性映射分析和稳定性高的优点,将两种方法进行组合,设计了一种灰色ls-svm预测模型,用于解决小样本数据的装备器材需求预测问题。最后,以某建制单位小样本数据器材的需求预测为例,验证了该方法的可行性和优越性。

摘要：构建并优化小微企业信用评估技术已经成为商业银行开展小微业务必然选择。基于小微企业内在特征，设计以小微企业现金流信息为违约触发机制的小微企业信用评估指标体系，构建最小二乘支持向量机模型( ls-svm)，运用某国有控股银行的小微企业贷款微观数据证实该模型能够相对提高预测精确度和稳定性。应用ls-svm构建的小微企业信用评估指标体系以及评估模型有助于提升银行对小微企业的了解程度和小微业务风险管理能力，减轻信息不对称，在一定程度能够化解供给型信贷配给导致的小微企业融资难问题。

摘要：针对基于仿真加速寿命试验仿真规模较大的问题,采用定时等间隔监测的方法对定时截尾失效时间进行控制,同时运用最小二乘支持向量机(ls-svm)理论和基于遗传算法的BP神经网络理论(GA-BP神经网络)用于目标函数拟合,建立了基于ls-svm和GA-BP神经网络拟合的加速寿命仿真试验优化方案设计的数学模型;最后通过算例进行验证且与文献[2]相比,在保证试验数据统计精度的前提下,得到了最大截尾时间范围为1000～1500小时的最优化结果,仿真规模降低了23,提高了试验优化效率。

摘要：广告转化率是衡量广告投放效果和收取广告费用的重要指标。本文采用用户特征和广告特征数据,基于ls-svm模型,预测广告转化率。通过训练模型,我们使用测试集绘制ROC曲线并计算AUC,以衡量模型的泛化能力。通过与传统计量经济学的概率单位模型相对比,ls-svm模型的泛化能力更好,即ls-svm有更好的样本外预测能力。