简介：对学生综合素质及时、客观、准确地评价有助于发现教学安排过程中存在的问题，也是提出教学课程改革实施教学管理的重要前提。传统的评价方法存在着主观性大、计算繁琐以及效率低等问题。在高校学生各科综合成绩的基础上，针对如何全面、客观、科学地评价高校学生的综合素质成为当前各高校在全面推进素质教育过程中所面临的一个十分现实的问题。本文建立了高校大学生成绩综合素质能力分析的评价机制，并基于此提出一种基于支持向量机模型预测综合素质能力预测分析方法。试验值通过高校学生各科成绩随机抽样获得，理论和试验表明，该模型具有较好的评价效果。为验证支持向量机方法的有效性，建立BP神经网络模型对照预测。对比结果表明，与BP神经网络模型预测比较，支持向量机模型预测的结果更为精确。

简介：摘 要 航材消耗预测是航材管理的重要组成部分，它的水平的好坏直接影响着部队的军事经济效益，更是影响着部队战斗力的生成。本文根据部队年度消耗训练样本的实际情况，引入了AdaBoost算法和支持向量机，提出了一种基于AdaBoost算法的支持向量机回归方法，对航材消耗进行预测分析，分析表明它能够更好的解决小样本的训练学习的问题。

简介：支持向量机是一种基于统计学理论学习的新颖的机器学习方法，该方法已广泛应用于解决分类和回归问题。提出一种基于时间序列的最小二乘支持向量机算法应用于电梯交通流的预测方法。仿真结果表明了这种预测方法的有效性。

简介：针对基坑监测数据存在非平稳、非线性等问题，本文采用了一种基于集合经验模态分解 ( EEMD ) 、粒子群 ( PSO ) 和支持向量机（ SVM ）预测模型。该模型利用 EEMD 将原始的基坑监测数据分解为代表发展趋势的趋势分量和一些平稳的波动分量，进而利用粒子群算法优化的支持向量机对各分量进行建模预测，最后对各预测分量进行叠加重构得到最终的预测结果。实验结果表明：相较与传统 的 SVM 、 PSO-SVM 预测模型， EEMD-PSO-SVM 预测模型能有效提高基坑变形的预测精度。

简介：针对光伏发电短期预测准确性问题,提出一种基于集合经验模态分解（EEMD）和改进粒子群优化算法（IPSO）的支持向量机（SVM）预测模型。该模型选择与预测日具有相同天气类型的历史光伏小时出力数据及相关气象因素作为输入变量,采用EEMD方法将历史光伏小时出力数据分解为一系列相对比较平稳的分量序列,针对不同特征子序列,建立选用不同核函数的SVM模型分别进行短期预测,并采用IPSO对不同SVM模型的参数进行优化。通过建立不同预测模型进行比较分析,验证了本文提出的组合预测模型具有较高的预测精度,对大规模光伏并网电力系统的决策优化调度具有一定的意义和参考价值。

简介：针对目前超短期风速预测精度不高的问题,提出了一种改进样本加权的SVM超短期风速预测方法。对样本加权中基于距离函数的时间序列相似性度量方法进行改进,在欧式距离的基础上,加入区间变化趋势相似度函数,将欧氏距离和趋势相似度函数按权值组合,构造了新的相似性度量函数。对训练样本进行相空间重构,基于样本相似性因素对训练样本进行加权,建立加权SVM超短期风速预测模型。分别建立随机森林、梯度提升树、SVM以及改进加权SVM超短期风速预测模型,研究表明,对SVM进行改进样本加权后,可以将预测误差从7.61%降为7.46%,有效降低了超短期风速预测误差,验证了该方法的有效性。

简介：短期光伏发电功率预测对维护电网安全稳定和协调资源利用具有重要意义,针对现有的神经网络法、小波分析法等单一预测模型预测精度提升有限的问题,引入集成学习的思想和方法,提出一种基于Stacking算法改进支持向量机（SVM）的短期光伏发电预测方法.该方法先使用多个不同的初级SVM对预测样本进行一次预测得到多个预测输出;然后对训练集进行聚类,使用与预测样本同类别的训练样本训练次级SVM;最后使用次级SVM对多个预测输出进行结合得到最终预测结果.经光伏发电系统的实际运行数据实验,结果表明本文提出的方法相较于单一预测模型精度有了明显提升.

简介：以短期融资券为研究对象,构建基于信用利差的公司违约概率样本,并将传统正定核最小二乘支持向量机（LS-SVM）模型拓展到不定核LS-SVM模型对公司违约概率展开合理预测分析,进而对不定核LS-SVM模型与正定核LS-SVM模型以及Logistic模型进行了全行业以及分行业公司违约概率的预测精度对比。实证结果表明,基于不定核LS-SVM模型的公司违约概率预测模型无论在全行业还是在分行业中均展现出最优的预测性能,且具有更为优异的稳健性。

简介：将改进的非线性技术（GA-SVM）应用于成矿预测,为成矿有利度预测方法提供一种新思路。在分析哈图矿集区成矿有利度基础上,选取28个学习样本、10个与成矿有关的地质变量,应用基于遗传算法（GA）寻优的支持向量机（SVM）方法,对成矿有利度进行建模,并与BP神经网络模型预测结果进行比较。结果表明,GA-SVM回归预测模型能很好地拟合成矿有利度与各地质变量间的非线性关系。样本数量有限时,GA-SVM比BP神经网络具较高的拟合精度,更适合非线性成矿预测工作,具较强的推广意义。

简介：在应用PM2．5、PM10、SO2、Co、NO2和03六种污染物浓度指标预测的基础上，将最高气温、最低气温、天气现象、风向、风力5种气象条件指标增添到空气污染预测输入变量中，采用K最近邻（KNN）和支持向量机（SVM）两种算法建立北京市空气污染等级分类预测模型。论文采用中国环境监测总站公布的北京市2014年1月1日至2016年4月30日的6种污染物浓度指标数据以及北京市气象台公布的北京市2014年1月1日至2016年4月30日的5种气象条件指标数据进行测试实验。结果发现，KNN模型预测的准确度为83．56％，SVM模型预测的准确度为87．32％，SVM模型在空气污染等级分类预测方面比KNN模型的准确度高出3．76％，建议将来在北京市空气污染等级预测中采用SVM模型以期获得较好的预测和空气污染控制效果。

简介：摘要：作为电力工程材料的信息定价，要合理地进行设备的设计，必须考虑到材料的市场变化规律，并考虑到许多影响因素，因此，由于电价波动较大，因此，对其进行预测和数据分析是十分困难的。为了解决这个问题，利用蝙蝠算法— SVM预测模型，一方面可以利用蝙蝠算法来提高 SVM的预报准确率，另一方面也可以引入影响价格的因素来进行预测，从而提高预报的准确性，并克服大样本中的统计信息定价问题；最后，以项目设备采购成本的剩余比率作为成本控制指标，对信息价格进行了优化；最后，结合实例进行了实例分析，证明了所提出的预测方法是切实可行的。

简介：

简介：摘要以长沙地铁2号线湘江中路站的监测数据为基础，采用支持向量机（SVM）对历史水平位移监测数据进行训练，进而对几天后的变形数据进行预测，并与神经网络方法预测的结果、真实值进行对比，验证支持向量机在变形预测上的可行性，再根据动态风险计算方法，将SVM预测的变形数据量化为相应的风险等级，从而为风险预案的制定提供充足的数值依据，实现风险预测的定量化。

简介：摘要：本研究以中国电建地产重庆房地产开发项目为依托，提出了一种基于主成分分析（PCA）和支持向量机（SVM）的高层建筑工程项目成本预测方法。首先，利用PCA对高层建筑工程项目的多维成本数据进行降维处理，提取关键成本因素，简化数据复杂性。随后，采用SVM构建成本预测模型，对经过PCA处理的数据进行训练和学习，以实现更为精准的成本预测。该方法结合了PCA的特征提取能力和SVM的强大分类预测功能，为高层建筑工程项目的成本预测提供了新的有效手段。

简介：为准确把握国内农产品价格波动规律，提高农产品价格预测精度，构建农产品价格自回归移动平均与支持向量机（ARIMA—SVM）组合预测模型，以ARIMA模型揭示农产品价格线性变动规律，以SVM模型揭示非线性变动规律，并结合1999—2011年我国农产品价格指数月度数据，使用组合模型和ARIMA、SVM单个模型对农产品价格进行预测。预测结果显示：组合模型比单个ARIMA、SVM模型预测精度高，能够提高农产品价格预测的准确性，是一种有效的农产品价格预测模型。

简介：利用回归分析的方法,根据实验数据,拟合出灰分,挥发分,全硫与发热量之间的线性系数,确定成分相关性。基于最小二乘支持向量机（leastsquare-spportvectormachine,LS-SVM）建立了电站锅炉能源消耗及排放模型,实现了对排烟温度、飞灰含碳质量分数等模型参数的软测量以及对锅炉效率的预测。

简介：水泥回转窑熟料制作过程中主传动电机电流不稳定、波动范围大，文章结合粗糙集、最小二乘支持向量机原理对水泥回转窑主传动电流进行预测。首先介绍粗糙集、最小二乘支持向量机的原理，通过搜集影响水泥回转窑主传动电流变化的数据建立信息决策表并对其进行预处理，使用粗糙集对样本数据进行约简，包括属性约简、属性值约简，利用LS-SVM理论对约简后的数据进行处理及预测，并将其他数据用于训练测试，验证测试结果。融合后的方法克服了LS—SVM对冗余信息和关键信息识别的局限性，补偿RS理论对输入数据信息缺乏抗干扰能力的缺点，通过实验研究证明该方法有较强的泛化能力，且预测准确率高。

简介：为了提高电动车铅酸蓄电池的电池荷电状态（SOC）预测精度,将粒子优化算法（PSO）引入到支持向量机（SVM）中,建立了PSO-SVM电动车铅酸蓄电池SOC预测模型,模型输入量为电池的电压和电流,输出量为SOC。采用PSO算法对SVM的惩罚因子C和径向基函数宽度σ寻优,降低了SVM参数取值的盲目性,提高了预测精度。设计了铅酸蓄电池数据智能采集系统,并进行了实际运行车辆电池数据采集。在advisor2002软件中获取的电池数据和实际车辆电池运行数据的基础上,进行了模型训练和预测。结果表明,PSO-SVM预测模型相对传统的BP、RBF和SVM预测模型具有更好的精度和推广能力,满足了＂SOC估算精度小于5%＂的要求,从而表明该模型是有效的、可行的,并具有较好的工程实用价值。

简介：摘要本文以房地产上市公司的财务数据为参考依据，结合相关性分析，筛选并建立影响财务风险的指标体系；利用支持向量机建立财务风险分析预测模型；并使用灰色关联理论对指标进行敏感性分析，从而得到影响财务风险最敏感的指标。

简介：摘要液气比是石灰石-石膏湿法烟气脱硫系统设计中的一个关键参数，对其进行精确预测有着非常重要意义。本文利用最小二乘支持向量机（LS-SVM）建立了液气比预测模型。测试样本集的液气比预测结果表明，LS-SVM液气比预测模型具有很好的预测性能。