基于FOA优化的CSSVM管道堵塞状态识别研究

发布时间：2023-04-05 00:13

　　针对城市排水管道正常与堵塞故障状态在数据获取上的不平衡性造成的运行状态识别准确率下降的问题,提出了一种基于果蝇优化算法的代价敏感支持向量机的管道堵塞状态识别方法。根据排水管道内各运行状态下采集到的不平衡数据集,首先对不平衡数据集进行小波包分解,其次,提取各个分解系数的能量熵、近似熵指标构建特征向量集合;采用果蝇优化算法(FOA)对不同类样本惩罚因子C_m和核函数参数g进行优化选取,即对代价敏感支持向量机(CS-SVM)模型优化,将特征集合输入优化后的CS-SVM模型中,对排水管道的正常和堵塞状态识别,通过增大对少数类样本错分的惩罚代价,结果表明,提升了少数类的识别准确率。

【文章页数】：9 页

【文章目录】：
0 引 言
1 CS-SVM及其参数
    1.1 SVM
    1.2 CS-SVM
2 基于FOA的CS-SVM寻优
    2.1 FOA
    2.2 FOA-CS-SVM模型
3 基于FOA的CSSVM管道堵塞状态识别方法
4 数据采集与处理
    4.1 实验设计
    4.2 数据预处理
        1)小波包分解
        2)声学信号的特征提取
    4.3 分类识别及结果分析
5 结 论



本文编号：3782333