“lssvm”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果359个，建议您升级VIP下载更多相关专利

[发明专利]一种基于IFDO-LSSVM的空气质量指数预测方法和装置-CN202011601226.9在审
发明人：胡进才;张菁;吕伟;王大龙;欧阳文安 -专利权人：上海工程技术大学
申请日： 2020-12-29 - 公布日： 2021-04-06 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及一种基于IFDO‑LSSVM的空气质量指数预测方法和装置，首先利用改进的反向学习算法对FDO算法的初始群体进行改进，得到IFDO算法；再利用IFDO算法对LSSVM的参数进行寻优，得到IFDO‑LSSVM算法；经过IFDO‑LSSVM算法寻优之后得到最优参数；再把最优参数代入LSSVM空气质量预测模型中。与现有技术相比，本发明具有提高LSSVM模型初始种群的质量、加快收敛速度、提高预测精度等优点。
一种基于 ifdo lssvm 空气质量指数预测方法装置

[发明专利]一种基于VMD-WOA-LSSVM的输电线路短路故障诊断方法-CN202011203746.4在审
发明人：黄睿灵;王洪彬;陈力;张友强;李杰;何荷;龚秋憬;姚树友;孙晓勇;余红欣;何燕 -专利权人：国网重庆市电力公司电力科学研究院;国网重庆市电力公司;国家电网有限公司
申请日： 2020-11-02 - 公布日： 2021-02-19 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于VMD‑WOA‑LSSVM的输电线路短路故障诊断方法，输电线路短路故障诊断技术领域，包括以下步骤：基于Simulink建立输电线路模型，模拟短路故障，获取原始故障电压数据；通过中心频率确定VMD的分解个数，采用VMD样本熵进行故障特征提取，组成故障样本库；建立基于LSSVM输电线路短路模型，选用径向基核函数作为LSSVM的核函数；采用WOA对LSSVM的惩罚因子和核函数进行优化并对输电线路短路故障进行诊断本发明利用WOA优化LSSVM的参数，建立WOA‑LSSVM模型来识别线路短路故障，提高了LSSVM故障诊断模型的诊断精度，WOA‑LSSVM模型具有良好的适应性与鲁棒性，对保障电力系统稳定运行具有重要意义
一种基于 vmd woa lssvm 输电线路短路故障诊断方法

[发明专利]基于PSO-LSSVM的单色棉织物颜色和染料浓度预测模型构建方法-CN202110844257.5在审
发明人：宁金妍 -专利权人：上海大学
申请日： 2021-07-26 - 公布日： 2021-10-22 - 主分类号： G06F30/27 文献下载
摘要：本发明提供一种基于PSO‑LSSVM的单色棉织物颜色和染料浓度预测模型构建方法，包括以下步骤：获取单色织物合格染色数据，将其分为训练集和测试集；设定初始LSSVM参数并建立LSSVM初始模型对所述训练集进行预测；利用PSO算法对预测结果进行参数优化处理赋值给LSSVM初始模型，得到PSO‑LSSVM预测基础模型；将测试集作为测试样本，利用PSO‑LSSVM预测基础模型进行测试训练，得到最终PSO‑LSSVM预测模型；分别以染料浓度为和颜色特征参数L*、a*和b*值为输入输出的最终PSO‑LSSVM预测模型为颜色预测模型和染料浓度预测模型。
基于 pso lssvm 单色棉织物颜色染料浓度预测模型构建方法

[发明专利]变电站工程成本预测的方法、装置、终端及存储介质-CN202310691547.X在审
发明人：王松松;王江林;申哲巍;王磊;郭文培;乔文轩;李正晹;张怡;卞莉 -专利权人：河北电力工程监理有限公司;上海电力设计院有限公司
申请日： 2023-06-12 - 公布日： 2023-09-08 - 主分类号： G06Q30/0201 文献下载
摘要：该方法包括：对获取的历史工程成本数据进行聚类分析，根据聚类分析结果去除异常数据点，将得到的正常数据划分为训练数据集和测试数据集；采用改进的灰狼优化算法和训练数据集对LSSVM模型进行训练；采用预测数据集对训练后的LSSVM模型进行预测，得到目标LSSVM模型；获取待预测工程成本数据，输入目标LSSVM模型中，输出预测结果。本发明能够通过对采集的历史工程成本数据进行聚类分析，剔除异常数据，得到正常数据，正常数据作为后续对LSSVM模型的训练数据和验证数据，从而可以降低训练LSSVM模型的时间，以及提高训练的LSSVM模型的精度
变电站工程成本预测方法装置终端存储介质

[发明专利]基于PSO‑LSSVM的水岛加药在线控制方法-CN201610942354.7有效
发明人：秦栋;齐勇;陈慧艳;魏来;王双娴 -专利权人：大唐（北京）水务工程技术有限公司
申请日： 2016-10-25 - 公布日： 2017-11-03 - 主分类号： G05B13/04 文献下载
摘要：本发明公开了一种基于PSO‑LSSVM的水岛加药在线控制方法和装置。该方法包括获取出水指标符合要求的、来水监测指标的M组历史参数值，以及对应于每组历史参数值的加药剂的历史加药量；基于最小二乘支持向量机建立在线控制LSSVM模型，其中，历史参数值为LSSVM模型的输入向量，历史加药量为LSSVM模型的输出向量；对LSSVM模型执行PSO算法，求解LSSVM模型中的参数的最优解；将求解得到的最优解输入LSSVM模型，得到水岛的加药模型；实时监测来水监测指标以得到一组实时参数值
基于 pso lssvm 水岛加药在线控制方法装置

[发明专利]考虑时段划分的PSO-LSSVM短期负荷预测方法-CN202211310261.4在审
发明人：许继和;王俊;陈皓勇;毛宇文;向伟;刘玮;谢忠华;范锟;万利;刘程;刘敏;马成元 -专利权人：江西电力交易中心有限公司;广东博慎智库能源科技发展有限公司
申请日： 2022-10-25 - 公布日： 2023-01-31 - 主分类号： G06N20/10 文献下载
摘要：本发明公开了考虑时段划分的PSO‑LSSVM短期负荷预测方法，包括以下步骤：步骤一，获取；步骤二，计算；步骤三，建立；步骤四，代入；其中在上述步骤一中，获取电力负荷数据和气象统计数据，构造样本数据集D；本发明计算特定时段下的LSSVM预测输出平均绝对误差，依据平均绝对误差的变化趋势将全天24小时划分为N个无重复元素的时间集合T1,T2,···,Tk，在此基础上建立N组的PSO‑LSSVM模型分别以LSSVM模型预测输出在对应时间集合Tk的平均绝对误差指标最小化作为适应度函数，迭代优化LSSVM模型控制参数，得到N组LSSVM最优参数，将N组LSSVM最优参数代入N个LSSVM模型进行预测并将输出结果拼接，得到最终短期负荷预测结果，最后通过仿真验证了所提方法的有效性，为短期负荷预测精度优化提供一种思路
考虑时段划分 pso lssvm 短期负荷预测方法

[发明专利]一种基于CSO-LSSVM的污区等级评估方法-CN201810515456.X有效
发明人：黄绪勇;于辉;王昕 -专利权人：云南电网有限责任公司电力科学研究院
申请日： 2018-05-25 - 公布日： 2021-10-08 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于CSO‑LSSVM的污区等级评估方法，所述方法包括：选取污区评估范围内的历史气象数据作为样本点信息，建立LSSVM模型，并引入拉格朗日方程和高斯径向函数得到LSSVM方程的回归函数，并采用采用CSO算法对最终得到的LSSVM的回归函数中的核参数σ以及惩罚系数γ进行寻优求解，将待优化参数的最优值代入到LSSVM的回归函数中，对样本点数据进行评估。采用本申请提供的基于CSO‑LSSVM的污区等级评估方法，只需采集需要确定污染等级的区域的历史气象数据，即可算出污区的等级，使得污区等级评估的周期更短，准确性较高而且成本更低。
一种基于 cso lssvm 等级评估方法

[发明专利]一种基于粒子群优化LSSVM的违约用户概率预测方法-CN202011047313.4在审
发明人：江远强;李兰;韩璐 -专利权人：百维金科（上海）信息科技有限公司
申请日： 2020-09-29 - 公布日： 2021-02-02 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于粒子群优化LSSVM的违约用户概率预测方法；S1：获取样本数据；S2：对采集的数据特征提取；S3：建立LSSVM分类模型；S4：采用粒子群算法对S3中训练得到的LSSVM预测模型参数组合(C,σ)进行优化；S5：将测试数据集输入到训练好的LSSVM的违约用户概率预测模型；S6：将LSSVM预测模型部署至申请平台；本发明基于粒子群优化的LSSVM算法的违约概率预测模型，预测精度良好，误差评价指标均维持在较小的范围内
一种基于粒子优化 lssvm 违约用户概率预测方法

[发明专利]一种基于数据驱动的锂离子电池健康状态估算方法-CN202310815726.X在审
发明人：卢丞一;李炬晨;曹勇;潘光;曹永辉;黄桥高;罗斯伦 -专利权人：西北工业大学
申请日： 2023-07-05 - 公布日： 2023-09-12 - 主分类号： G01R31/392 文献下载
摘要：包括筛选健康因子，建立初始GWO‑LSSVM模型，将训练集中的健康因子作为输入变量输入到初始GWO‑LSSVM模型，并将电池健康状况作为所述初始GWO‑LSSVM模型的输出进行迭代训练得到训练完备的目标GWO‑LSSVM模型，将训练好的的目标GWO‑LSSVM模型对电池健康状态进行估算。本发明将灰狼优化算法GWO算法强大的寻优能力和最小二乘支持向量机LSSVM算法有效结合，为锂离子电池的健康状态评估提出了一种更有效的方法，能够迅速而准确地对锂离子电池的健康状态进行估算。
一种基于数据驱动锂离子电池健康状态估算方法

[发明专利]一种地下工程综合保障能力的评估方法及系统-CN202111316311.5在审
发明人：王涛;汪波;李静;苏延召;曹继平;冯增喜;张茂强 -专利权人：中国人民解放军火箭军工程大学;西安建筑科技大学
申请日： 2021-11-08 - 公布日： 2022-01-18 - 主分类号： G06Q10/06 文献下载
摘要：本发明公开一种地下工程综合保障能力的评估方法及系统，通过建立LSSVM预测网络对地下工程综合保障能力进行评估，通过视野和步长自适应设定以及引入精英反向学习机制改进人工鱼群算法，使基本的人工鱼群算法更加具有应用性，之后利用优化后的人工鱼群算法得到LSSVM预测网络的最优参数，利用最优参数对LSSVM预测网络进行训练，得到IAFSA‑LSSVM模型。最后，利用IAFSA‑LSSVM模型对地下工程综合保障能力进行评估，相比未改进的模型，本发明提出的方法，评估效果更好，评估更为准确。
一种地下工程综合保障能力评估方法系统

[发明专利]一种基于BMO-LSSVM的火电厂SCR烟气脱硝控制系统的优化控制方法-CN202110109418.6有效
发明人：易辉;江艳;费兆阳;刘宇芳 -专利权人：南京工业大学
申请日： 2021-01-25 - 公布日： 2021-12-31 - 主分类号： G05B19/418 文献下载
摘要：本发明提供了一种基于BMO‑LSSVM的火电厂SCR烟气脱硝控制系统的优化控制方法，包括如下步骤：Step1：动态采集包含SCR烟气脱硝系统模型的输入指标输出指标；Step2：对样本数据集进行去燥处理和归一化处理，分成训练集和测试集：Step3：建立LSSVM模型，以训练集LSSVM模型进行训练；Step4：使用BMO对LSSVM模型的核函数参数和惩罚系数进行寻优，并将获得的最优核函数参数σ以及惩罚系数C赋给LSSVM模型，得到BMO‑LSSVM模型；Step5：用训练集P01对BMO‑LSSVM模型进行训练；Stsp6：利用测试集检验，若超出设定的阈值，则重复Step4‑6
一种基于 bmo lssvm 火电厂 scr 烟气控制系统优化控制方法

[发明专利]基于LSSVM分层分类的无刷直流电机位置传感方法-CN201811180639.7有效
发明人：秦斌;王欣;秦羽新 -专利权人：湖南工业大学
申请日： 2018-10-09 - 公布日： 2022-07-15 - 主分类号： H02P6/18 文献下载
摘要：本发明针对无刷直流电机转子位置检测问题，提出了一种基于最小二乘支持向量机(LSSVM)分层分类的无刷直流电机位置传感方法。本发明提出的方法是将无刷直流电机定子电压和电流作为决策LSSVM的输入，转子位置信息作为输出，将直流电机转子位置分为6个区域，每个LSSVM输出对应区域类的组合，逐步分层决策，直到区分出转子对应区域位置为止；通过网格优化法对LSSVM网络训练确定LSSVM最优参数，再把训练好的网络模型运用到电机运行中，采集电机定子电压和电流作为LSSVM的输入，通过分层决策确定最终转子位置信息，通过转子位置推算逻辑换相信号
基于 lssvm 分层分类直流电机位置传感方法

[发明专利]一种基于PSO-LSSVM模型预测原油泡点压力的方法-CN202310851543.3在审
发明人：卞小强;刘宗杨 -专利权人：西南石油大学
申请日： 2023-07-12 - 公布日： 2023-09-29 - 主分类号： G06F18/2411 文献下载
摘要：本发明公开了一种基于PSO‑LSSVM模型预测原油泡点压力的方法，利用粒子群优化算法(PSO)优化最小二乘支持向量机(LSSVM)模型中的惩罚参数γ和核函数宽度σ2，建立原油泡点压力PSO‑LSSVM预测方法；本发明利用PSO‑LSSVM模型预测原油泡点压力，其预测精度高、泛化能力强、不易陷入局部最优的问题，可以动态地为工程提供参考数据，对油藏的高效开发提供一定的帮助
一种基于 pso lssvm 模型预测原油压力方法

[发明专利]一种基于四参数混合核函数LSSVM的短时风速预测方法-CN201810725213.9在审
发明人：周原;肖文萍;刘明山;于乐;李和林;张圆圆 -专利权人：吉林大学
申请日： 2018-07-04 - 公布日： 2018-11-16 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及一种基于四参数混合核函数LSSVM的短时风速预测方法，包括以下步骤：选取一段风速数据，并利用经验小波分解(EWT)及自适应阈值处理对数据进行预处理，以减弱噪声干扰；构建基于RBF和poly的混合核函数LSSVM，以同时提升模型的学习和泛化能力；借助布谷鸟算法对所构建的混合核函数LSSVM的四个参数进行迭代寻优，以求解最优的参数；在确定LSSVM模型后，最终输入数据并完成预测。
核函数风速预测构建预处理迭代寻优风速数据小波分解噪声干扰阈值处理自适应求解算法预测学习

[发明专利]基于FA-LSSVM模型预测高含硫气藏中硫溶解度的方法-CN202010533053.5在审
发明人：卞小强;郭黎明 -专利权人：西南石油大学
申请日： 2020-06-12 - 公布日： 2020-09-18 - 主分类号： G16C20/70 文献下载
摘要：本发明公开了基于FA‑LSSVM模型预测高含硫气藏中硫溶解度的方法，利用萤火虫算法(FA)优化最小二乘支持向量机(LSSVM)模型中的罚参数γ和核函数宽度σ2，建立高含硫气藏中硫溶解度FA‑LSSVM预测方法；本发明利用FA‑LSSVM模型预测高含硫气藏中硫溶解度，其预测精度更高、泛化能力更强、适应能力更强，可以为高含硫气藏开发提供更为准确的参考数据。
基于 fa lssvm 模型预测高含硫气藏中硫溶解度方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 359 条