Then, based on the refined core descriptions, ACO-LSSVM was applied and validated. The validation results showed that the fracture-vug fillings could be mainly classified as mud, quartz, and carbonate mineral fillings. In addition, reconstructed natural gamma relative value, sonic ratio, density ...
基于时间序列分析和ACO—LSSVM的故障预测技术研究
(ANNs) and least square support vector machines(LSSVM),the authors found that the PLSR method was helpless for nonlinear regression problem,and the ANNs ... W Wang,PENG, Yan-kun,ZHANG, Xiao-li - 《Spectroscopy & Spectral Analysis》
为了提高了网络流量的预测精度,提出一种蚁群算法(ACO)优化最小二乘支持向量机(LSSVM)参数的网络流量预测算法(ACO-LSSVM)。将LSSVM算法参数作为蚂蚁的位置向量,采用动态随机抽取的方法来确定目标个体引导蚁群进行全局搜索,并在最优蚂蚁邻域内进行小步长局部搜索,找到算法的最优参数,建立了基于ACO-LSSVM的网络流量预测...
将声发射信号提取的能量值和切削要素作为预测模型的输入参数,为了降低运算的复杂性,提出采用粗糙集理论对多维输入参数进行降维处理的方法;为提高预测准确性和精度,利用蚁群算法对LSSVM的参数进行优化,建立基于粗糙集和ACO-LSSVM的Crl2MoV刀具磨损量预测模型.仿真结果表明,所建立的Crl2MoV刀具磨损量预测模型合理有效,具有...
为了提高了火灾的预测准确性,提出一种蚁群算法(ACO)优化LSSVM的非线性火灾预测算法(ACO-LSSVM).通过收集火灾发生的历史数据,输入LSSVM进行训练,运用ACO方法对LSSVM进行动态优化,在弱关联环境下,准确描述火灾发生的不确性,从而建立一种非线性火灾预测模型.仿真结果表明,蚁群优化方法解决了传统火灾预测算法存在的缺陷,...
为了提高火灾的预测准确性,提出一种蚁群算法(AC0)优化LSSVM的非线性火灾预测算法(AC0-LSSVM).首先收集火灾发生的历史数据,然后输入LSSVM进行训练,AC0对LSSVM进行动态优化,描述火灾发生的不确定性,从而建立一种非线性火灾预测模型.仿真结果表明:AC0-LSSVM解决了传统火灾预测算法存在的缺陷,提高了火灾的预测精度,...