非线性最小二乘原理原木端面识别算法

鉴于热水量的计算过程考虑到时变化系数是非线性的，不能采用线性插值，采用最小二乘法，利用幂指数拟合，给出了热水量时变化系数的拟合公式

针对最小二乘支持向量机在电力负荷预测应用中的参数优化问题,将改进粒子群算法引入到最小二乘支持向量机参数中,建立一种新型的电力负荷预测模型(ipso-lssvm)。首先将最小二乘支持向量机参数编码为粒子初始位置向量;然后通过粒子个体之间的信息交流、协作找到最小二乘支持向量机的最优参数,并针对标准粒子群算法的不足进行相应改进;最后将其应用于电力负荷建模与预测,并通过仿真对比实验测试其性能。实验结果表明,ipso-lssvm可以获得较高准确度的电力负荷预测结果,大幅度减少了训练时间,满足电力负荷在线预测要求。

将最小二乘支持向量机(leastsquaresupportvectormachine,ls-svm)算法用于杭州南宋官窑2窑址出土瓷片的分类研究中,根据瓷片胎和釉的主要、次要和痕量元素组成对它们进行了分类,用留一法检验其分类效果,并与支持向量机(supportvectormachine,svm)算法和自组织特征映射(self-organizingmap,som)算法进行了比较。结果表明:svm算法和ls-svm算法比som算法更适合于处理"小样本"问题;一般情况下,svm的分类效果比ls-svm的分类效果好,但是ls-svm具有更快的求解速度。

为了获得更理想的混凝土强度预测结果,提出一种混沌粒子群算法优化最小二乘支持向量机（lssvm）的混凝土强度预测模型。首先采集混凝土强度数据,并进行归一化处理。然后采用lssvm对混凝土强度与影响因子之间的变化关系进行建模,并采用混沌粒子群算法搜索最优lssvm参数。最后采用具体混凝土强度预测实例对其性能进行分析。结果表明,本文模型可以准确描述混凝土强度与影响因子间的变化关系,提高了混凝土强度预测精度,具有一定的实际应用价值。

对建筑物形变监测数据进行分析,首次运用最小二乘配置方法,得到了建筑物平面监测数据处理的拟合模型和预测模型,并进行了精度评定。

通过影响因素分析,确定了软土层厚度、软土层压缩模量、地表硬层厚度、地表压缩模量、路堤高度、路堤顶宽、路基填筑时间和填筑竣工时沉降量等参数对公路软基沉降有影响。对公路软基的观测数据进行分析和取样,输入样本为各参数,输出样本为路堤中线下地表沉降值,利用最小二乘支持向量机的非线性映射和泛化能力,通过训练,建立了公路软基沉降预测模型。研究表明,所建立的模型对公路软基沉降进行预测具有较高的精度,同时具有很好的泛化性能。

在pcb板的生产过程中,为了满足实时性检测和快速准确定位的要求,根据pcb板的颜色特征和焊点的形状特征,论文提出一种基于最小二乘法拟合圆的快速定位方法。首先对图像进行校正;然后利用背景和焊点区域颜色的明显差异,选择其单通道显示并进行形态学操作,从而突出显示焊点区域;最后针对焊点轮廓为圆形这一关键特征,采用最小二乘法对其进行拟合,从而确定圆心和半径。实验测量结果表明了文中算法的的有效性。

基于矮寨连续刚构桥悬臂施工中主梁挠度测试结果,对实测值和仿真计算理论值之间存在偏差进行了分析,结果表明,由于施工中存在胀膜等因素影响,导致砼实际密度与设计取值存在偏差,而这个偏差是不容忽略的。为此,运用总体最小二乘法(tls)对原模型中砼密度参数进行识别,识别后的结果较识别前更加符合实际情况。

基于最小二乘支持向量机回归的基坑变形预测——将最小二乘支持向量机回归用于基坑变形预测．根据基坑位移的实测时间序列资料，应用最小二乘支持向量机回归建立了基坑位移与时间的关系模型．研究结果表明，最小二乘支持向量机回归用于基坑变形预测，具有较高的预...

针对最小二乘支持向量机在利用产生于工业现场的非理想数据集进行建模预测时,稀疏化模型鲁棒性差的问题,提出了一种基于模糊c均值聚类和密度加权的稀疏化方法.首先通过模糊c均值聚类将训练样本划分为若干个子类;然后计算每个子类中各样本的可能贡献度,依次从每个子类中选取具有最大可能贡献度的样本作为支持向量;最后更新每个样本的可能贡献度,继续从各个子集中增选支持向量,直至稀疏化后的模型性能满足要求.仿真结果和磨机负荷实际应用表明,该方法能够兼顾模型在整体样本集和各工况子集上的性能,在实现模型稀疏化的同时,能够显著改善最小二乘支持向量机模型的鲁棒性.

采用最小二乘支持向量机的方法,利用现场测量的数据,建立水泥粒度软测量模型;通过交叉验证方法优化参数,并用仿真实验验证了该方法的有效性,解决了非线性、小样本、高维数等常规测量方法难以实现的问题,实现了水泥粒度的在线测量。

偏最小二乘回归方法在提取主成分方面具有很好的解释性,而且可以避免因素之间的多重相关性,提取的成分作为输入变量再用神经网络进行预测仿真,影响因素考虑周全,不用计算工程量,计算速度快,克服了普通神经网络运算量大,样本有限情况下易出现问题的弊端。

针对在工程实践中,应用单一方法预测建筑物沉降存在着局限性,提出了基于最小二乘支持向量机回归综合单一方法预测沉降量。该方法能综合单一方法的特点,增强了模型的普适性,从而提高了预测精度和预报期次。文中讨论了如何实现和运用该方法,最后通过实例验证了其有效性。

通过带有约束条件的最小二乘优化模型研究企业在非合作模式下、动态下浮比例时相邻两批每包货物投标报价问题,提出了每类货物平均价及每包最优报价的概念.将其应用于国家电网电容器项目招标.结果表明:模型提高了中标率,而且具有很强的稳健性.最后就基准价b=a_l×1(-a)计算公式提出了改进建议.

１概述 ２最小二乘法原理 随着公路大规模建设的开展，桥梁数量迅猛增长，由 于使用荷载、环境因素以及结构本身缺陷等的作用，桥梁 使用性能衰退、结构安全和耐久性降低，致使桥梁适应性 不足，甚至出现安全事故。从发达国家桥梁使用状况看， 混凝土桥梁使用２０～３０年后，即出现安全与耐久性方面的 问题。桥梁性能退化、承载能力不足、适应性不够，已成 为世界各国普遍关心的问题，而通过先进、适用、有效的 方法对桥梁结构进行合理的试验检测与诊断评定是对在用 桥梁进行预防性养护管理，科学维护加固的重要手段。在 此介绍最小二乘法及它在ｅｘｃｅｌ程序中的应用。（本文只 针对数据的处理方法予以阐述，对于检测过程不再作说 明。） 最小二乘法（又称最小平方法）是一种数学优化技 术。它通过最小化误差的平方和寻找数据的最佳函数匹 配。利用最小二乘法可以简便的求得未知的数据，并使得 这些求得的数据与实际数据之间误差的平方和

岩体变形模量偏最小二乘回归与神经网络关联性研究——偏最小二乘回归不直接考虑因变量与自变量回归问题，而直接提取与系统有关的新的综合变量，并能利用交叉原理确定成分个数，尤其在分析单因变量与多自变量间关系上，其所得结果更为满意；人工神经网络具有自适...

对线性时变结构系统参数识别方法进行了简要回顾,总结了时频分析方法、时间序列分析方法以及子空间方法近几年国内外相关研究进展,重点介绍了子空间方法用于时变结构系统模态参数识别方法相关研究成果.介绍了用于非线性时变系统辨识的主要的神经网络方法,以及基于自回归滑动平均模型的时间序列分析方法.最后指出了该领域研究中存在的一些问题和今后的主要研究方向.

本文在分析光谱解调中心波长检测的基础上,从最小二乘法基本原理出发进行曲线拟合,结合实验数据实例,构造一个最佳通用多项式光谱拟合模型,再利用得到的函数关系实现对乙炔吸收光谱中各中心波长的曲线拟合与仿真,降低中心波长飘移,提高检测精度。

隧道围岩变形预测的最小二乘支持向量机方法——为及时掌握围岩变形趋势并采取措施加以控制，在岭南高速雪家庄隧道施工过程中，采用一种新的时间序列预测模型--最小二乘支持向量机(ls-svm)。介绍了ls．svm的基本原理和该预测模型的具体操作步骤，实践表明，该方...

介绍了移动最小二乘插值函数的构造方法;以该函数作为加权残值法中的试函数,采用配点法求出试函数中的系数,进而得到边值问题的解;对winkler地基上的非均匀梁和非规则板以及弹性半空间地基上的板进行了数值计算,并与理论结果、有限元法或其它数值方法进行了对比,采用总残值判断数值结果的准确度。结果表明,该试函数适用于多种边值问题,且精度较高。

运用最小二乘拟合圆法提取生物组织电阻抗模型参数,此算法为显式公式,具有计算速度快、数值拟合精度高等优点。能够实现快速、精确地提取阻抗模型参数re、ri、cm和α,在生物电阻抗虚拟仪器的应用与开发中有很大的价值。通过对rc模型的测量及拟合,结果表明,利用此方法所编写的程序可以精确提取生物电阻抗参数,且运行速度也很快。

目的:提出一种快速测定布渣叶浸出物含量的新方法。方法:运用偏最小二乘法(pls)建立紫外光谱(uv)与浸出物含量测定值之间的多元校正模型,对未知样品进行含量预测。结果:校正模型相关系数(r2)为0.9641。验证集预测平均相对偏差为1.73%。结论:pls-uv法具有分析速度快、预测结果准确等优点,适合对组成复杂的中药浸出物进行快速分析,可用于布渣叶药材浸出物的快速测定。