辽宁工程技术大学系统工程研究所
- 作品数：78 被引量：448H指数：13
- 相关作者：李永利何轩勇张银玲更多>>
- 相关机构：山东工商学院管理科学与工程学院吉林大学计算机科学与技术学院扬州大学信息工程学院更多>>
- 发文基金：国家自然科学基金辽宁省高等学校杰出青年学者成长计划辽宁省社会科学规划基金更多>>
- 相关领域：环境科学与工程矿业工程自动化与计算机技术经济管理更多>>
- 硫化矿石自燃倾向性评价的SVM识别模型被引量：1
- 2014年
- 为了准确地评价硫化矿石的自燃倾向性,应用Logistic回归分析理论分析主要矿物及其含量、氧化速度常数平均值、自热点、自燃点4项指标与硫化矿石自燃倾向性等级之间的关系,选取氧化速度常数平均值和自热点作为特征指标,建立硫化矿石自燃倾向性评价的支持向量机(SVM)识别模型;以14组硫化矿自燃倾向性实测数据作为学习样本进行训练,建立相应的分类函数;利用回代估计法进行回检,再利用训练好的模型对6组现场实测样本的硫化矿石自燃倾向性进行识别。结果表明:对硫化矿石自然倾向性等级分类产生主要影响的指标是氧化速度常数平均值、自热点,建立的分类方程具有良好的预测效果,而主要矿物、含量和自燃点与分类关联性不大。
- 邵良杉赵琳琳
- 关键词：硫化矿石自燃倾向性SVM矿山安全
- 煤体瓦斯渗透率的PSO-LSSVM预测模型被引量：13
- 2015年
- 结合有关煤体渗透率的众多研究成果,总结出影响煤体渗透率的3个主要因素为有效应力、温度和瓦斯压力。采用粒子群优化算法(PSO)对最小二乘支持向量机(LSSVM)的参数进行优化选择,并以上述3个因素和抗压强度为输入值,以渗透率为目标输出值,建立煤体瓦斯渗透率的PSO-LSSVM预测模型。利用25组数据进行PSO-LSSVM模型与BP神经网络及支持向量机的比较实验,PSO-LSSVM预测结果与实际值拟合程度优于其他两个模型,且具有更小的误差。实验结果表明,采用PSO-LSSVM模型可由有效应力、温度和瓦斯压力对渗透率进行较高精度的预测。
- 邵良杉马寒
- 关键词：渗透率瓦斯粒子群优化算法最小二乘支持向量机
- PCA-PSO-LSSVM模型在瓦斯涌出量预测中的应用被引量：3
- 2019年
- 为提高预测回采工作面瓦斯涌出量预测精度,采用主成分分析法(PCA)与粒子群算法(PSO)及最小二乘支持向量机(LS-SVM)相结合的方法,在样本数据的选择上吸取主成分分析数据降维的优势,使所选择的数据样本简洁并且更具代表性.充分利用支持向量机训练速度快、能够获得全局最优解且拥有良好泛化性的特点,将粒子群算法与之相结合,从而寻找最优参数.建立基于PCA和PSO-LS-SVM回采工作面瓦斯涌出量预测模型,并在实际中获得成功应用.研究结果表明:该预测模型预测的最大相对误差为2.35%,最小相对误差为0.30%,平均相对误差为1.28%,相较其他预测模型有着更强的泛化能力和更高的预测精度.
- 丰胜成丰胜成卢万杰卢万杰高振彪
- 关键词：最小二乘支持向量机粒子群算法数据降维瓦斯涌出量
- 遗传算法优化的GM(1,1)模型研究被引量：8
- 2015年
- 为提高GM(1,1)模型预测精度,文章分析了模型中背景值构造与预测结果误差的关系,并总结了背景值改进研究的相关成果。采用权值序列替换原模型背景值构造公式中的单一权值,建立了GA-GM(1,1)预测模型,利用遗传算法迭代寻优获得的一组最优权值序列来构造背景值,以提高模型精度。用两组数据进行GA-GM(1,1)模型与GM(1,1)模型的对比实验,结果表明GA-GM(1,1)具有更小的预测误差,验证了该模型的有效性。
- 邵良杉马寒温廷新张银玲
- 关键词：GM(1,1)模型背景值遗传算法权值
- 基于因子分析与Fisher判别分析法的隧洞围岩分类研究被引量：12
- 2015年
- 为快速有效地预测隧洞围岩的类别,提高地下工程的稳定性和安全性,应用因子分析与Fisher判别分析理论,选取岩石质量指标、完整性指标、饱和单轴抗压强度、纵波波速、弹性抗力系数和结构面摩擦因数等6个指标作为Fisher判别分析的判别因子。建立基于因子分析的隧洞围岩分类的Fisher预测模型。将现场勘测的30组隧洞围岩数据作为学习样本进行训练。利用回代估计法对模型效果进行检验,正确率为96.7%。将建立的判别模型应用于工程实例,以6组工程数据作为预测样本,进行隧洞围岩的分类预测,并与神经网络方法和Bayes方法进行对比。结果表明:因子分析可以有效提取围岩分类指标,去除冗余影响因素,基于因子分析的Fisher判别模型可有效地预测隧洞围岩的类别,所得预测结果的正确率为100%。
- 邵良杉徐波
- 关键词：隧道工程围岩分类
- 基于三维坐标的模糊量化情感分类方法
- 2016年
- 针对微博情感分类问题,构造了基于三维坐标的模糊量化情感分类算法,通过将情感模糊量化,对微博进行多情感分类。首先对情感模糊处理,将情感分为六大类,根据六大类,定义并计算句子的模糊情感;其次将情感量化处理,根据情感类别构造三维坐标模型,将模糊情感值作为句子的坐标,通过坐标将句子映射到三维坐标模型中,使其量化;最后通过模糊量化处理后,根据与坐标轴的夹角判断句子最终的情感分类。通过实验,对三个作者的微博进行模糊量化处理,对其情感分类,实验结果的F值达到85%以上,同时与三种经典算法进行对比实验,准确率有了明显的提高。
- 林明明邱云飞邵良杉
- 关键词：情感分类
- 基于SAPSO-ELM的边坡稳定性预测被引量：11
- 2018年
- 为解决边坡稳定性问题,提出了基于SAPSO-ELM的边坡稳定性预测模型。首先,在统计分析大量工程实例的基础上,选取孔隙水压力、黏聚力、边坡高度、内摩擦角、岩石重度、边坡角作为主要判别指标;然后,利用因子分析模型对数据进行属性约简,提取公共因子,减少判别指标之间信息交互;最后,为避免极限学习机(ELM)隐层参数随机生成导致的网络结构不稳定问题,利用模拟退火粒子群算法(SAPSO)对极限学习机的参数寻优,将约简集作为SAPSO-ELM模型的输入进行训练,利用训练好的SAPSO-ELM模型预测样本,并对比其他模型的预测结果。结果表明:利用因子分析提取的公共因子包含原变量因素中绝大部分信息,能减少信息冗余,SAPSO-ELM模型可有效避免PSO在寻优过程中易陷入局部极值及ELM受参数随机性影响的问题,提高了收敛速度和预测精度,可实现对边坡稳定性的有效预测。
- 温廷新朱静
- 关键词：安全工程边坡稳定性
- 基于MVO-SVR-AdaBoost的中国煤炭需求量预测模型被引量：3
- 2020年
- 为准确预测未来中国煤炭需求总量;首先确定我国煤炭需求量的7个主要影响因子,将集成学习算法以及支持向量回归算法应用到中国煤炭需求量预测中,借助多元宇宙算法优化支持向量回归机中关键参数,构造基于MVO-SVR-AdaBoost的中国煤炭需求量预测模型;将1980-2017年历史数据带入模型.结果表明:建立的煤炭需求量预测模型适配度高达0.9791,平均绝对误差仅为4.2928%.基于历史数据,确定各因子年均增长率的可能波动边界值,在GDP低、中、高速增长的情况下随机组合分别带入模型得到2018-2020年中国煤炭需求量的可能数值区间.
- 赵硕嫱邵良杉
- 关键词：煤炭需求量支持向量回归
- 基于多因素特征选择与AFOA/K-means的新闻热点发现方法被引量：5
- 2019年
- 【目的】研究新闻文本的特征降维方法及聚类算法,以期进一步提升热点话题发现效率及准确率。【方法】基于传统TF-IDF特征权重计算方法,引入符号、词性、位置及长度4个特征加权,实现多因素特征选择。从编码方式、适应度函数、自适应步长及群体适应度方差这4方面构造改进果蝇优化算法(AmelioratedFruitFly Optimization Algorithm, AFOA),利用AFOA优选K-means初始聚类中心,实现优化后的K-means热点话题发现。采用多因素特征选择识别热点话题,利用TOPSIS获得热点话题排名。【结果】相关实验表明,多因素特征选择及AFOA/K-means算法分别显著提高了聚类效果,验证了所提方法整体有效性。【局限】仅适用于中文新闻文本。【结论】本文方法能够为中文新闻热点发现方法研究提供一条新思路。
- 温廷新李洋子孙静霜
- 关键词：网络新闻TOPSIS模型
- 爆破振动对民房破坏的鱼骨图-SVM预测模型被引量：14
- 2014年
- 为解决爆破振动破坏影响因素、民房破坏关联预测问题,应用相关分析法和鱼骨图理论分析影响因素与民房破坏的关联度,计算影响因素的权重,并结合支持向量机(SVM)原理,构建爆破振动对民房破坏的鱼骨图-SVM预测模型。用爆破振动观测数据,对影响因素加权的SVM模型进行训练和测试,测试结果良好。研究表明:用鱼骨图模型可获得影响因素与民房破坏的关系,量化输入变量的重要性。民房自身特点中,施工质量、圈梁构造柱及屋盖形式的重要性明显高于其他影响因素。做好房屋基础建设,能显著改善民房抗破坏能力。该预测模型能更好地考虑影响因素对民房破坏的综合影响,改善民房破坏程度预测准确性。
- 邵良杉赵琳琳
- 关键词：爆破振动
