基于警度组合预测SVM警信号识别模型及其算法研究

发布时间：2020-06-03 06:07

【摘要】：预警是指根据对象要素的历史与现状,预报未来偏离期望状态的程度等级,偏离的程度等级一般通过不同的警信号表示。面向经济社会领域的复杂预警,适宜采用黄色预警机制;对于黄色预警指数策略,若运用警度测算外推范式时,警信号预报依赖于等级临界点(警信号识别)与未来期的警度。等级临界点警度通常由群体决策直接选取,而未来期警度则是以样本期测算警度为样本采用时序预测方法生成;由于等级临界点警度与未来期警度生成的技术途径不同,使得两者之间的匹配性差。对于概念抽象的临界点警度,专家难以做出准确判断,使得警信号预报不准确,影响预警的可靠性。本文阐明回归支持向量机(SVM)原理与警度多重交叉SVM组合预测的体系结构,以群体决策选取的预警属性等级临界点为基础,按照多重交叉SVM组合预测计算与数据轨迹,提出警信号识别策略与技术途径,构建警信号识别(临界点警度)模型及其算法。以区域生态经济系统警信号识别为例,将SVM警信号识别模型及其算法加以实际应用,以检验警信号识别方法的有效性和适用性。实证应用表明:警信号识别方法生成的警度与组合预测的警度相比,相对误差均小于1.98%,则识别警度与组合预测警度具有精确一致性;等级临界点与时序样本的关联度越大,等级临界点识别警度与时序样本组合预测警度差异越小,则识别警度与组合预测警度具有关联差异性。
【图文】：

图 2-3 二维线性两分类原理本输人为 xili, = 1,...,，对应的期望输出为 y={+1，-1}，其中类别标识。支持向量机的目标就是，根据结构风险最小化原而将两类模式尽量正确地区分开来[45]。假定训练样本可以被0分开，，为使超平面对所有样本正确分类，就要求它满足： ( ) yxbilii 1, =1,...,等于 2 / 。因此最优超平面就是满足(2-29)式并且使得 ( 。支持向量( Support Vectors)即为使式(2-19)中的等号成立方框标出的样本所示。为求该最优超平面，我们利用 Lagra为其对偶问题，并根据 Kuhn-Tucker 条件[46,48]。求解上述问数为:()sgn{()}=1fx= yx x biliii

( )ijx, x满足 Mercer 条件，它就对应某一变换空间中的内积。如果采的函数，那么相应的分类函数(2-30)变为:( ) ( ) = fx= yKxxbijliiisgn,1 量机。支持向量机支持向量机的结构模型是针对经典的二分类问题提出的，支持向量回归机（Support Vec，SVR）是支持向量在函数回归领域的应用。SVR 与 SVM 分类有以下R 中的 iy并不限定去-1 或 1，而可以取任意实数。R 的样本点只有一类，所寻求的最优超平面不是使两类样本点分得样本点离超平面的“总偏差”最小。这时样本点都在两条边界线之面同样等价于求最大间隔[47]。
【学位授予单位】：江西师范大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：D035.39;TP181

【相似文献】

相关期刊论文 前10条

1 孙李红;;基于灰色组合预测的国内债券余额预测[J];哈尔滨商业大学学报(自然科学版);2012年02期

2 李涛;何承桂;沈健民;;随工程进展的海堤沉降优性组合预测研究[J];浙江水利水电专科学校学报;2011年02期

3 李树冬;;试论组合预测的精度估计分析[J];上海交通大学学报(农业科学版);2007年02期

4 马永开,唐小我;两种组合预测优化模型的分析和比较[J];电子科技大学学报;1998年01期

5 王应明,罗英;广义加权比例平均组合预测技术研究[J];系统工程与电子技术;1998年03期

6 王硕,唐小我,周俊;组合预测软科学方法研究[J];运筹与管理;1999年01期

7 杨桂元，唐小我，马永开;关于非负权重组合预测的若干问题的探讨[J];电子科技大学学报;1996年02期

8 刘建国，张刚元，陈国先;多模型专家组合预测系统大纲[J];四川师范学院学报(自然科学版);1996年02期

9 徐大江;组合预测及其应用研究[J];统计与预测;1996年01期

10 高仁祥，张世英，刘豹;组合预测贝叶斯方法研究[J];系统工程学报;1996年01期

相关会议论文 前10条

1 孙将平;叶志斌;季永青;;浙江省水路货运量最优组合预测[A];第六届长三角科技论坛航运分论坛暨江苏省航海学会2009年学术年会论文集[C];2009年

2 王竹;金德运;唐小我;曾勇;;最优组合预测的递推估计方法[A];管理科学与系统科学进展——全国青年管理科学与系统科学论文集（第4卷）[C];1997年

3 李国锋;陈绪根;;山东省劳动力就业需求组合预测研究[A];21世纪数量经济学（第9卷）[C];2008年

4 刘平;张莉;马秀兰;;乌鲁木齐市农、林、牧、渔业总产值的组合预测研究[A];Systems Engineering, Systems Science and Complexity Research--Proceeding of 11th Annual Conference of Systems Engineering Society of China[C];2000年

5 李存金;;简单平均法下的最优组合预测问题研究[A];管理科学与系统科学进展——全国青年管理科学与系统科学论文集（第3卷）[C];1995年

6 曾勇;唐小我;陈海蓉;;非负权重最优组合预测的结构特征与无偏性调整[A];管理科学与系统科学进展——全国青年管理科学与系统科学论文集（第3卷）[C];1995年

7 李佳;王黎;马光文;黄炜斌;;节能调度下水电站中长期发电计划制定方法研究[A];河流开发、保护与水资源可持续利用——第六届中国水论坛论文集[C];2008年

8 吴长山;;灰色—马尔柯夫组合预测[A];面向21世纪的科技进步与社会经济发展（上册）[C];1999年

9 吴登生;李建平;孙晓蕾;;考虑模型相关性的组合预测过程中单项模型筛选研究[A];中国系统工程学会第十八届学术年会论文集——A02管理科学[C];2014年

10 牛东晓;李金超;李金颖;刘达;;基于遗传算法的中长期电力负荷组合预测[A];第二十六届中国控制会议论文集[C];2007年

相关博士学位论文 前10条

1 曲宗希;风速组合预测策略中若干难点问题研究[D];兰州大学;2019年

2 姚骥;全基因组选择和育种模拟在纯系育种作物亲本选配和组合预测中的利用研究[D];中国农业科学院;2019年

3 刘启浩;风险值组合预测的理论与实证[D];北京工业大学;2009年

4 邴兴国;城市土地储备决策研究[D];天津大学;2009年

5 胡冠中;区域经济与高等教育协调发展研究[D];天津大学;2015年

6 廖瑞金;变压器绝缘故障诊断黑板型专家系统和基于遗传算法的故障预测研究[D];重庆大学;2003年

7 钟仪华;特高含水油田开发规划动态预测方法研究[D];西南石油大学;2008年

8 郭晓君;灰色自忆性组合预测拓展模型及应用研究[D];南京航空航天大学;2015年

9 张雷;气候变化对中国主要造林树种/自然植被地理分布的影响预估及不确定性分析[D];中国林业科学研究院;2011年

10 詹蓉;面向即时顾客化定制的个性化需求预测方法研究[D];华中科技大学;2008年

相关硕士学位论文 前10条

1 宋欢;基于警度组合预测SVM警信号识别模型及其算法研究[D];江西师范大学;2018年

2 钱慧兰;基于MI算法的商品销量组合预测[D];南京大学;2019年

3 赵勤;两类改进的组合预测赋权方法及其应用[D];安徽大学;2019年

4 窦忠娟;平阴县农村集体经济发展问题研究[D];山东财经大学;2018年

5 霍江游;基于小波多分辨分解的股价波动分频组合预测[D];江西财经大学;2018年

6 张千露;组合预测在我国民航客运量预测的应用[D];华中师范大学;2018年

7 勾海芝;大型风电场短期风功率预测研究[D];华北电力大学;2018年

8 吴涛;基于小波分解的基站电磁辐射研究[D];湘潭大学;2018年

9 季梦凡;风速和风电场功率组合预测及其不确定性分析[D];华北电力大学(北京);2018年

10 陶亭;基于GPS数据的公交车到站时间预测[D];长沙理工大学;2018年

本文编号：2694412