导读:本文包含了预测支持系统论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:向量,算法,支持系统,粒子,神户,钢水,钢包。
预测支持系统论文文献综述
程换新,黄震,骆晓玲[1]（2019）在《基于改进孪生支持向量机的热电厂脱硫系统pH值预测》一文中研究指出在热电厂脱硫过程中,pH值直接影响脱硫的效率,若pH测量仪器受到环境的影响被破坏,会给生产造成巨大的损失。为了降低这种损失,采用改进的孪生支持向量机回归模型对pH值进行预测,首先将粒子群算法的权值和学习因子进行改进,然后用改进之后的粒子群算法对孪生支持向量机回归模型的惩罚参数和核函数的参数等进行寻优,再将最优的参数代入孪生支持向量机预测模型中,最后用MATLAB工具箱对pH值历史数据进行仿真,并与未改进的孪生支持向量机和BP神经网络预测技术进行比较。结果表明:该方法对脱硫系统中pH值的预测精度高,平均相对误差比未改进的孪生支持向量机和BP神经网络的预测结果小,能够显着改善脱硫装置的效率。(本文来源于《青岛科技大学学报(自然科学版)》期刊2019年05期）
方伊娜[2]（2019）在《人工肝支持系统治疗肝衰竭患者近期疗效的影响因素分析与预测》一文中研究指出目的:探讨人工肝支持系统治疗对肝衰竭患者近期疗效的影响因素,更加准确预测人工肝支持系统的疗效,从而指导肝衰竭患者临床治疗的选择。方法:本研究通过病案查询系统,纳入我院2015年12月至2018年12月行ALSS治疗的91例肝衰竭患者,根据出院时临床疗效分为预后好转组和未愈组,对其临床资料(年龄、性别、既往病史等)、实验室指标、病因学等进行回顾性分析,客观地评估ALSS对肝衰竭患者的作用,进一步分析影响近期疗效的相关因素。数据使用Excel2007进行整理,采用SPSS22.0软件进行统计分析。结果:1、91例研究对象中,经过治疗好转的共49例,未愈的共42例,其中男性73人,女性18人,平均年龄为49.13±11.31岁,病因分类中HBV感染者最多,占68.31%。2、不同转归情况患者的基本特征比较:未愈组的年龄大于好转组,差异有统计学意义(p=0.002);比较不同ALSS类型的好转率,结果显示差异有统计学意义(p=0.021);肝衰竭分型中急性期与亚急性期肝衰竭患者的疗效优于其他分型的患者;肝硬化患者好转率显着低于无肝硬化者(p=0.036);糖尿病病史、饮酒史等方面无统计学差异。3、ALSS治疗前实验室指标及治疗后指标变化情况对近期疗效的影响:未愈组入院时TBIL、PT和肌酐的水平较好转组的生化水平高,并且未愈组中ALB、PTA和钠离子水平比好转组低,两组差异有统计学意义(p<0.05);在首次ALSS治疗后未愈组的AST、ALT及TBIL下降率明显低于好转组,差异具有显着的统计学意义(p<0.05);好转组的总胆红素反弹率(TBRR)低于未愈组,差异经比较有统计学意义(p<0.05);对比两组的血常规、血脂、甲胎蛋白(AFP)等方面无统计学差异(p>0.05)。4、并发症和ALSS治疗后出现的不良反应对近期疗效的影响:合并肝性脑病(HP)或感染并发症组好转率显着低于无并发症组,具有明显的统计学差异性(p<0.05);好转组中合并不良反应的比例为18.37%,低于未合并不良反应的81.63%,差异经比较有统计学意义(p=0.006)。5、重症肝病评分对近期疗效的影响:比较两组入院时CTP评分和MELD评分,差异具有统计学意义(p<0.05),并且好转组中首次ALSS治疗后MELD评分下降率明显高于未愈患者,差异经比较也具有统计学意义(p<0.05)。6、多因素Logistic回归分析结果表明MELD评分、钠离子、TBIL下降率和肝衰竭分型是人工肝支持系统治疗肝衰竭患者近期疗效的独立预后因素。7、根据所研究出的独立危险因素建立多指标联合预测模型,计算预后指数并进行ROC曲线分析,其曲线下面积为0.910(0.853~0.966),分析显示多指标联合预测能力优于单项指标预测,且本研究建立的预测模型对于首次ALSS治疗后的肝衰竭患者是一个较为理想的预后评估系统。结论:1、MELD评分、钠离子、TBIL下降率和肝衰竭分型是ALSS治疗肝衰竭患者近期疗效的独立影响因素。2、本研究建立的预测模型对于首次ALSS治疗后的肝衰竭患者是一个较为理想的预后评估系统。(本文来源于《吉林大学》期刊2019-05-01）
姚晓丽[3]（2019）在《基于灰色支持向量机的汽车制动系统故障诊断与预测》一文中研究指出制动系统在汽车的众多系统中极为重要,汽车在使用中若出现故障,会给车辆带来严重安全威胁。因此,如何对于汽车潜在的故障进行预测和诊断就显得尤为重要。而基于传统的预测模型建立起来的汽车制动系统故障预测方法却存在一定的缺陷,使得预测结果受到影响,但基于灰色支持向量机的汽车制动系统故障诊断与预测方法可以解决当前存在的问题。基于此,本文主要探讨了汽车制动系统诊断和预测中灰色理论以及支持向量机应用的相关问题,供读者参考。(本文来源于《南方农机》期刊2019年03期）
孟群[4]（2018）在《预测钢水温度概率分布的操作支持系统》一文中研究指出1前言由于熟练操作人员减少，需要促进向年轻技工的技术传承，需要能够将隐性知识转换成显性知识并实现有效传承的操作支持机制。神户制钢开发的操作支持系统，并非是实绩数据的罗列和类似趋势可视化的系统，而是1）可从以往实绩中抽取相似度高的事例；2）基于物(本文来源于《世界金属导报》期刊2018-11-13）
陈珂[5]（2018）在《基于最小二乘支持向量机的软件系统老化预测研究》一文中研究指出遗留在软件中的缺陷会随着软件系统长期持续运行造成计算机内存泄露、舍入误差积累、文件锁未能及时释放等现象的发生,最终导致系统性能衰退甚至崩溃。这些软件老化现象的发生不仅降低了系统的可靠性,严重时还会危害人的生命财产安全。为了减轻软件老化带来的危害,对软件老化趋势进行预测,及时采取抗衰策略避免软件老化现象的发生就变的尤为重要。反映软件老化状态的一个很重要指标是软件的平均响应时间,本文通过对软件平均响应时间的预测来推断软件运行状态。针对软件老化预测研究,本文主要工作概述如下:通过对已有预测方法分析并结合软件运行特点,确定用最小二乘支持向量机作为软件老化预测方法。通过实验建立最小二乘支持向量机软件老化预测模型,并与支持向量机软件老化预测模型实验结果进行对比,证明其优越性。最小二乘支持向量机预测模型惩罚因子和核函数参数的选择,对模型的预测效果有很大影响。为了提高最小二乘支持向量机的预测结果,本文采用灰狼优化算法对最小二乘支持向量机的参数进行寻优。建立基于灰狼优化算法的最小二乘支持向量机软件老化预测模型,并通过实验与基于遗传算法的最小二乘支持向量机软件老化预测模型实验结果对比,证明其优越性,从而为软件抗衰操作执行时机的确定提供重要的参考依据。(本文来源于《西安建筑科技大学》期刊2018-06-01）
王涛,丛茜,尚钰量,程辉,张在房[6]（2018）在《基于改进支持向量机的产品服务系统客户流失预测模型》一文中研究指出为协助设计师能精准地为客户提供有效的产品服务系统整体解决方案,针对其客户流失预测问题,提出了一种改进粒子群算法与支持向量机相结合的客户流失预测方法(IPSO-SVM)。该方法包括构建了产品服务系统客户流失模型及IPSO-SVM算法模型。首先,IPSO-SVM算法采用粒子位置表示支持向量机的参数,并基于Sobol序列对粒子群位置与速度初始化,然后位置更新时引入动态自适应非线性惯性权重的方法。最后,以某高档数控机床公司客户流失状态为案例,通过与BPNN、SVM、PSO-SVM进行比较,验证所提方法在该数控机床产品服务系统客户流失模型中的有效性与可行性。(本文来源于《组合机床与自动化加工技术》期刊2018年05期）
马高峰[7]（2018）在《基于支持向量机方法的致密砂岩储层损害预测系统研发》一文中研究指出致密砂岩储层具有低孔低渗、高毛管压力、孔隙连通性差、黏土矿物发育等典型特征,其在勘探开发过程中,储层损害发生的可能性、复杂性和严重性不容忽视。因此快速、准确的预测致密砂岩储层损害,为制定或修改油气藏开发方案以及确定增产解堵措施提供依据,有着重要的意义。室内实验方法评价储层损害的结果最为可靠,但由于致密砂岩储层损害评价的岩心流动实验开展难度大、成本高,需要寻求与物理实验方法相互补充的储层损害预测方法。前期实践表明,利用有限的实验数据进行基于人工智能方法的致密砂岩储层损害预测可以节省大量时间和成本。本文旨在针对致密砂岩储层损害有限的小样本数据特点进行预测,通过研究多种人工智能方法,优选出支持向量机作为储层损害预测主要方法,采用多种人工智能方法对支持向量机模型内部参数进行优化来提高预测精度,搭建了完整的流程,并依此开发了一套致密砂岩储层损害预测系统,最终对该系统进行了实例应用与分析。本文取得了如下研究成果和认识:(1)明确了水相圈闭损害是致密砂岩储层最常见和最严重的损害类型。(2)比选了多种人工智能方法,确定了支持向量机方法作为致密砂岩储层损害预测的主要方法,其在解决小样本、非线性以及高维模式的回归问题中具有一些特定优势。(3)采用了多种智能方法如遗传算法和粒子群算法对支持向量机预测模型参数寻优计算,通过选取最优参数组合提高了支持向量机的预测精度。(4)利用MATLAB中GUI编程平台开发了致密砂岩储层损害预测系统,系统实现了用户管理、数据输入及处理、储层损害预测、操作实时显示以及用户帮助等5大主体功能。研发的系统具有操作方便、运行稳定等优点。(5)应用该系统进行实例预测,证实了该系统具有非常良好的预测精度,通过对水相圈闭损害的预测,得出了应用遗传算法对支持向量机模型中惩罚因子、核函数参数、及损失因子叁个参数进行优化后的模型预测精度最高,推广应用效果较好。(本文来源于《西南石油大学》期刊2018-05-01）
魏锋[8]（2018）在《基于深度信念网络的机械加工车间能耗预测及支持系统研究》一文中研究指出制造业在国民经济中占有重要份额,直接体现了一个国家的生产力水平,虽然它推动了全球经济的增长,但是也消耗了大量能量和资源,并对环境造成了污染。机械加工车间是制造业的重要组成部分,其能耗问题日益严峻。通过对机械加工车间能耗的预测不仅可以把握能源消耗的趋势,控制能源的存贮量,减少能源的浪费,降低车间的生产成本,也是车间节能研究基础,可为车间各能耗源节能优化提供有效依据。为此,本文通过分析机械加工车间的能耗以及能耗的影响因素,建立了一种基于深度信念网络的机械加工车间能耗预测模型,并开发了一套基于该能耗预测模型的支持系统。论文主要研究内容如下:首先,针对机械加工车间的多能耗组成的特点,从设备层的角度对机械加工车间能耗进行分析,基于此建立机械加工车间能耗影响因素指标体系,将此作为之后能耗预测模型输入变量的类型,并对能耗影响因素指标进行分析。其次,在上述基础上,建立了一种基于深度信念网络的机械加工车间能耗预测模型。先预处理原始的样本数据,将样本数据分为训练数据和测试数据,根据样本数据以及训练目标对网络结构进行设计,然后用训练样本数据进行训练,从而得到每一层神经元的权重和偏置量,通过训练结果的误差判断模型训练是否成功,最后用训练好的模型对测试样本数据进行预测,预测完成后进行预测结果的误差分析。根据误差分析的结果,不断的训练模型来调整模型的网络结构以及训练参数,直到得到最小的预测误差,此模型就作为最终的预测模型。并将本文的能耗预测模型与基于浅层神经网络的预测模型和基于支持向量机预测模型进行对比分析。最后,开发了基于深度信念网络的机械加工车间能耗预测模型的支持系统,先设计了支持系统的体系结构和功能模块;然后通过C#语言与MATLAB算法的集成实现了此支持系统;并通过此支持系统展现了基于深度信念网络的机械加工车间能耗预测模型应用后的预测效果,证明了该系统的有效性。(本文来源于《重庆大学》期刊2018-05-01）
董志翔,赵宜升,黄锦锦,陈梦嘉,陈忠辉[9]（2018）在《基于支持向量机的高速铁路通信系统信道预测算法》一文中研究指出针对高速铁路通信系统,研究快速时变信道预测问题。通过引入支持向量机(SVM)模型,提出一种信道预测算法。通过求解二次优化问题,得到SVM的预测最优超平面,并通过循环迭代实现多步预测。为了进一步提高预测准确度,采用遗传算法(GA)对SVM模型的惩罚系数和高斯核宽度进行优化。仿真结果表明,与传统的自回归(AR)以及单一的SVM预测模型相比,所提出的同时考虑SVM和GA(SVM-GA)的预测模型具有较低的预测误差。此外,当考虑噪声对预测性能影响时,SVM-GA预测模型在归一化均方误差性能方面也优于AR和SVM模型。(本文来源于《电子技术应用》期刊2018年04期）
李祚泳,汪嘉杨,徐源蔚[10]（2018）在《基于规范变换与误差修正的回归支持向量机的环境系统预测》一文中研究指出为了建立不同环境系统皆能规范、统一、简洁、实用的回归支持向量机预测模型,针对传统的回归支持向量机预测模型存在结构不能普适、规范和统一及用于大样本、多因子预测会出现学习效率低、求解精度差的局限,提出适用于环境系统预测量及其影响因子参照值和规范变换式的设计原则和方法,使规范变换后的影响因子皆"等效"于同一个规范影响因子;为提高样本的预测精度,还提出预测样本的模型输出的误差修正法.在对环境系统的预测量及其影响因子进行规范变换的基础上,由有m个规范影响因子的每个建模样本生成m个"等效"训练样本,从建模样本中,选择各影响因子的最大规范值组成训练样本集的"参考样本",计算核函数中每个训练样本相对于"参考样本"的范数;并应用优化算法优化模型参数,建立适用于预测量及其影响因子规范值的仅有2个或3个支持向量的两种简单结构的回归支持向量机预测模型.将基于规范变换的两种简单结构的回归支持向量机模型与相似样本误差修正法相结合,用于河津大桥监测断面6个样本的COD月平均值预测,并与多种传统预测模型和方法进行了比较.结果表明:对同一个预测样本,两种模型的预测值十分接近;此外,两种预测模型用于6个样本预测,其相对误差绝对值的平均值分别为2.09%、2.79%,均远小于传统的投影寻踪回归预测的41.63%、支持向量机预测的40.99%、灰色神经网络预测的25.94%和马尔可夫预测的10.16%;而两种预测模型对异常样本预测的最大的相对误差绝对值分别为5.85%、5.13%,更加远远小于传统的4种预测模型的169.07%、180.45%、68.44%、41.96%.两种基于规范变换的回归支持向量机预测模型简洁、普适、规范和统一,避免了"大样本数困难",提高了学习效率和模型的预测精确度,对其他预测建模法也有借鉴作用.(本文来源于《环境科学学报》期刊2018年03期）
预测支持系统论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的:探讨人工肝支持系统治疗对肝衰竭患者近期疗效的影响因素,更加准确预测人工肝支持系统的疗效,从而指导肝衰竭患者临床治疗的选择。方法:本研究通过病案查询系统,纳入我院2015年12月至2018年12月行ALSS治疗的91例肝衰竭患者,根据出院时临床疗效分为预后好转组和未愈组,对其临床资料(年龄、性别、既往病史等)、实验室指标、病因学等进行回顾性分析,客观地评估ALSS对肝衰竭患者的作用,进一步分析影响近期疗效的相关因素。数据使用Excel2007进行整理,采用SPSS22.0软件进行统计分析。结果:1、91例研究对象中,经过治疗好转的共49例,未愈的共42例,其中男性73人,女性18人,平均年龄为49.13±11.31岁,病因分类中HBV感染者最多,占68.31%。2、不同转归情况患者的基本特征比较:未愈组的年龄大于好转组,差异有统计学意义(p=0.002);比较不同ALSS类型的好转率,结果显示差异有统计学意义(p=0.021);肝衰竭分型中急性期与亚急性期肝衰竭患者的疗效优于其他分型的患者;肝硬化患者好转率显着低于无肝硬化者(p=0.036);糖尿病病史、饮酒史等方面无统计学差异。3、ALSS治疗前实验室指标及治疗后指标变化情况对近期疗效的影响:未愈组入院时TBIL、PT和肌酐的水平较好转组的生化水平高,并且未愈组中ALB、PTA和钠离子水平比好转组低,两组差异有统计学意义(p<0.05);在首次ALSS治疗后未愈组的AST、ALT及TBIL下降率明显低于好转组,差异具有显着的统计学意义(p<0.05);好转组的总胆红素反弹率(TBRR)低于未愈组,差异经比较有统计学意义(p<0.05);对比两组的血常规、血脂、甲胎蛋白(AFP)等方面无统计学差异(p>0.05)。4、并发症和ALSS治疗后出现的不良反应对近期疗效的影响:合并肝性脑病(HP)或感染并发症组好转率显着低于无并发症组,具有明显的统计学差异性(p<0.05);好转组中合并不良反应的比例为18.37%,低于未合并不良反应的81.63%,差异经比较有统计学意义(p=0.006)。5、重症肝病评分对近期疗效的影响:比较两组入院时CTP评分和MELD评分,差异具有统计学意义(p<0.05),并且好转组中首次ALSS治疗后MELD评分下降率明显高于未愈患者,差异经比较也具有统计学意义(p<0.05)。6、多因素Logistic回归分析结果表明MELD评分、钠离子、TBIL下降率和肝衰竭分型是人工肝支持系统治疗肝衰竭患者近期疗效的独立预后因素。7、根据所研究出的独立危险因素建立多指标联合预测模型,计算预后指数并进行ROC曲线分析,其曲线下面积为0.910(0.853~0.966),分析显示多指标联合预测能力优于单项指标预测,且本研究建立的预测模型对于首次ALSS治疗后的肝衰竭患者是一个较为理想的预后评估系统。结论:1、MELD评分、钠离子、TBIL下降率和肝衰竭分型是ALSS治疗肝衰竭患者近期疗效的独立影响因素。2、本研究建立的预测模型对于首次ALSS治疗后的肝衰竭患者是一个较为理想的预后评估系统。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
预测支持系统论文参考文献
[1].程换新,黄震,骆晓玲.基于改进孪生支持向量机的热电厂脱硫系统pH值预测[J].青岛科技大学学报(自然科学版).2019
[2].方伊娜.人工肝支持系统治疗肝衰竭患者近期疗效的影响因素分析与预测[D].吉林大学.2019
[3].姚晓丽.基于灰色支持向量机的汽车制动系统故障诊断与预测[J].南方农机.2019
[4].孟群.预测钢水温度概率分布的操作支持系统[N].世界金属导报.2018
[5].陈珂.基于最小二乘支持向量机的软件系统老化预测研究[D].西安建筑科技大学.2018
[6].王涛,丛茜,尚钰量,程辉,张在房.基于改进支持向量机的产品服务系统客户流失预测模型[J].组合机床与自动化加工技术.2018
[7].马高峰.基于支持向量机方法的致密砂岩储层损害预测系统研发[D].西南石油大学.2018
[8].魏锋.基于深度信念网络的机械加工车间能耗预测及支持系统研究[D].重庆大学.2018
[9].董志翔,赵宜升,黄锦锦,陈梦嘉,陈忠辉.基于支持向量机的高速铁路通信系统信道预测算法[J].电子技术应用.2018
[10].李祚泳,汪嘉杨,徐源蔚.基于规范变换与误差修正的回归支持向量机的环境系统预测[J].环境科学学报.2018
论文知识图
