导读:本文包含了网格搜索法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:网格,向量,扇风机,围岩,张量,故障诊断,卷积。
网格搜索法论文文献综述
王迪[1](2019)在《网格搜索法下区域地震定位研究》一文中研究指出地震定位是地震学领域中最基本的问题之一,对研究地震活动、构造带分布、震源机制、发震构造,以及地震灾害预警、地球内部结构等问题有着重要意义。本文主要研究网格搜寻算法进行区域地震快速定位问题,利用后续(sPn)震相走时信息实现了网内、网外两种不同地震定位方法的优化,特别是对震源深度的优化定位。网内地震定位中引入V图法对搜索区域进行约束,区别于传统方法,将台站高程与地下介质速度不均匀性考虑在内,定位算法的实用性更强,大大缩短了传统网格搜索法的计算用时。网外地震定位通过方位角和震中距估计不断缩小目标震源区域范围,避免大范围的全局搜索,进而提高了地震定位效率。合成数值模拟定位中,对采用多种不同震相组合的定位结果进行对比分析,利用走时差分布讨论各种组合在不同震源深度方向的制约作用。同时讨论了叁维速度模型下地震定位的精度。通过对陕西渭河盆地和山西地区的实际地震数据进行定位,验证了所提方法的有效性和准确性。最后分析了该定位方法在实际地震定位中的计算效率,结果表明:网格搜寻算法是具有全局解、高效、定位精度高的算法。(本文来源于《长安大学》期刊2019-05-01)
袁颖,于少将,王晨晖,周爱红[2](2019)在《基于网格搜索法优化支持向量机的围岩稳定性分类模型》一文中研究指出为科学评价围岩稳定性,本次研究借助支持向量机(SVM)处理小样本、非线性问题能力强的特性,对围岩的稳定性进行了分类。选取16组围岩数据作为学习样本,以岩石质量指标、岩石单轴饱和抗压强度、完整性系数、结构面强度系数和地下水渗水量5个指标作为模型输入,围岩稳定程度为模型输出,建立了基于支持向量机的围岩稳定性分类模型。为增强模型的推广性能,提高其预测准确率,运用改进的网格搜索方法(GSM)寻找最优的支持向量机参数,并对8组围岩数据进行预测,并同BP神经网络模型的预测结果进行对比。结果表明,建立的GSM-SVM模型对预测样本的评判结果与实际结果一致,其预测精度较BP神经网络有很大的提升。(本文来源于《地质与勘探》期刊2019年02期)
刘小生,章治邦[3](2019)在《基于改进网格搜索法的SVM参数优化》一文中研究指出支持向量机的学习和泛化能力很大程度上取决于其相关参数的选取.针对传统网格算法的不足,引入全局粒子群算法,利用其能够快速到达最优解附近的优势:先使用粒子群算法进行粗搜;再使用网格搜索法进行小步长的精细搜索得到最优解.实验结果表明:基于改进的网格搜索法SVM对比传统网格搜索法SVM,在预测精度和运算时间上都具有优势.(本文来源于《江西理工大学学报》期刊2019年01期)
陈甫前,李明河[4](2018)在《网格搜索法改进SVM的出水COD软测量建模》一文中研究指出针对污水处理过程出水水质参数难以在线检测这一问题,提出一种基于网格搜索法优化SVM的软测量模型.根据污水处理过程的输入输出数据,选取进水COD、进水NH3-N、溶解氧(DO)作为模型输入,出水COD作为模型输出,采用SVM方法建立出水COD的软测量模型,同时采用网格搜索法对SVM的惩罚因子和核函数参数进行寻优操作,提高软测量模型的预测精度.仿真结果表明,基于网格搜索法优化的SVM软测量模型具有良好的预测精度和泛化能力,应能满足处理过程的需求.(本文来源于《宜宾学院学报》期刊2018年12期)
章治邦[5](2018)在《基于改进网格搜索法的SVM边坡变形预测研究》一文中研究指出边坡失稳所带来的危害非常大,对于自然边坡和一些大型工程边坡,一旦发生边坡失稳事件,往往能够改变一个区域的地貌特征,进而对这个区域周围的人居环境造成重大影响。边坡灾害所带来的损失动辄上亿甚至几十亿,而预防这些边坡变形发生所需要的成本远远小于灾害发生之后的重建恢复工作,因此,对边坡变形进行科学有效的预测就显得尤为重要和紧迫。本文根据边坡变形的相关特点,提出运用支持向量机方法对边坡变形进行预测研究,并且对于传统网格法搜索速度过慢、精度不高的缺陷,提出一种基于改进网格搜索法的支持向量机方法,实验结果表明本文提出的新算法对比传统算法在运算时间和精度两个方面都有了较好的提升。本文的研究工作主要包括以下几个方面:1)概述支持向量机的基本理论和它的核函数的种类以及应用类型,引入了支持向量机核函数的参数寻优问题。2)面对核函数的相关参数寻优问题还没有统一的理论,本文分析了传统网格搜索法参数寻优和粒子群搜索法参数寻优,结合两者的劣势和优势,提出了改进网格搜索法的支持向量机。针对传统网格法的搜索速度过慢,精度不高的缺点,利用粒子群算法在前期能够快速收敛于种群最优解的优势,在算法初期引入对整个算法进行加速,使算法快速定位到最优区间附近,同时在算法后期,改为使用小步长的网格搜索法在粒子群算法所确定的种群最优解附近的小区间内进行第二次精细搜索,在一定程度上帮助算法跳出前期快速寻优导致的可能陷入的局部最优解,从而达到全局最优解。3)将建立的基于改进网格搜索法的支持向量机应用于边坡变形预测,通过两个边坡变形实例验证改进算法的优劣,最后的实验结果表明:在两个工程实例的边坡变形预测中,对比传统网格法SVM和遗传算法SVM,改进的网格搜索法支持向量机在平均相对误差和运算时间上更具优势。另一方面,新算法所得预测的均方误差和平方和误差也都远小于另外两种算法,这说明改进的网格搜索法支持向量机具有更好的预测精度、运算速度与稳定性,有实际应用价值。(本文来源于《江西理工大学》期刊2018-05-25)
Yongge,Wan,Shuzhong,Sheng,Jichao,Huang,Xiang,Li,Xin,Chen[6](2017)在《基于震源机制解数据反演构造应力张量的网格搜索法及其在中国、越南和老挝边界地区的应用》一文中研究指出应力场在地球动力学研究方面起着至关重要的作用。本研究给出了由震源机制解数据反演应力张量及其置信范围的网格搜索法。我们使用人工合成震源机制解数据对该算法进行了测试,人工合成的震源机制解数据由拉张型、挤压型和走滑型3种类型应力场生成,并对生成的震源机制解数据添加不同水平的噪声。测试结果表明,相对于传统方法,本研究给出的方法反演出的应力场精度得到显着提高。本文算法主要有以下3个优点:(1)由精细的网格搜索获得应力张量的全局最优解,搜索网格为1°×1°×1°×0.01,避免了搜索结果落入局部最小值;(2)在反演应力张量的过程中,本方法可以考虑震源机制解数据精度的不同,并赋予不同的权重;(3)由F检验给出应力张量结果的置信范围。我们将该方法应用于中国、越南和老挝的边界地区,获得该地区应力场的主压应力方向为SSE—NNW,主张应力方向为NEE—SWW。应力比R为0.6,这意味着应力张量的特征值接近等差数列。该地区应力场与奠边—琅勃拉邦弧形断裂的左旋走滑性质一致,所得结果对该地区的地质动力学过程研究有一定的帮助。(本文来源于《世界地震译丛》期刊2017年02期)
吕中亮,汤宝平,周忆,孟杰[7](2016)在《基于网格搜索法优化最大相关峭度反卷积的滚动轴承早期故障诊断方法》一文中研究指出针对环境噪声下滚动轴承早期故障信号微弱难以检测的问题,提出了基于网格搜索法优化最大相关峭度反卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)滚动轴承早期故障诊断方法。并针对MCKD方法受滤波器阶数和周期影响的问题,提出了利用网格搜索法优化最大相关峭度反卷积参数。首先,早期微弱故障信号集成经验模态分解后,采用相关系数以及峭度准则重构原信号;然后,以小波Shannon熵作为目标函数采用网格搜索法搜寻最优滤波器阶数以及周期,采用自适应MCKD方法对重构信号中故障脉冲冲击成分进行加强,最后通过包络谱、包络功率谱提取微弱故障特征。实验表明,该方法能够对早期微弱故障中冲击成分进行自适应增强,有效检测出被噪声淹没的微弱故障,实现滚动轴承故障的精确诊断。(本文来源于《振动与冲击》期刊2016年15期)
陈远帆,李舜酩[8](2016)在《基于高斯混合模型与改进网格搜索法的轴承故障诊断》一文中研究指出为提高轴承复杂故障的诊断准确率,将高斯混合模型与改进网格搜索法相结合,开展了轴承故障诊断方法的研究,对不同情况下的轴承故障进行了诊断。首先将采集的数据进行了适当分段,利用混合高斯分布拟合各段数据,提取统计特征量作为故障特征指标;然后分别采用普通网格搜索法和改进的网格搜索法进行参数优化;最后以支持向量机作为分类器对轴承故障进行了诊断,并将2种优化算法的准确率进行了对比。结果表明:所提出的故障诊断方法准确率更高。(本文来源于《重庆理工大学学报(自然科学)》期刊2016年03期)
曲健,陈红岩,刘文贞,李志彬,张兵[9](2015)在《基于改进网格搜索法的支持向量机在气体定量分析中的应用》一文中研究指出针对气体定量分析中,支持向量机建模的参数难以确定以及现有的方法历时长等问题,提出了一种改进的网格搜索法,用于建立基于红外光谱的CO2气体定量分析模型。通过对汽车尾气中CO2气体的初始数据进行优化,再将优化的核函数代入支持向量机进行浓度的回归分析。对浓度范围在0.025%~20%的20组不同浓度的CO2气体进行定量分析,并与PSO算法作对比。实验表明,采用改进的网格搜索法获得的最佳参数c=0.25,g=2.828 4,PSO获得的最佳参数c=18.302 1,g=0.01,所用时间比PSO算法节省约5倍。预测结果误差在5%以内,符合国家对尾气排放的相关标准。(本文来源于《传感技术学报》期刊2015年05期)
亢生彩[10](2015)在《网格搜索法SVM参数优化在主扇风机故障诊断中的应用》一文中研究指出为了提高煤矿主扇风机故障诊断的准确性,将网格搜索法和支持向量机(SVM)应用到主扇风机的故障诊断中。首先,建立主扇风机运行故障的知识库,并将采集到的主扇风机振动信号进行小波消澡和归一化;然后,设计了网格搜索参数优化SVM的主扇风机故障诊断模型。最后,通过工程现场提取的数据进行实验验证,并与遗传算法和粒子群算法寻优的时间和诊断结果准确率进行比较。实验结果表明,网格搜索法SVM参数优化非常适合于煤矿主扇风机的故障系统中。(本文来源于《煤炭技术》期刊2015年01期)
网格搜索法论文开题报告
(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:
为科学评价围岩稳定性,本次研究借助支持向量机(SVM)处理小样本、非线性问题能力强的特性,对围岩的稳定性进行了分类。选取16组围岩数据作为学习样本,以岩石质量指标、岩石单轴饱和抗压强度、完整性系数、结构面强度系数和地下水渗水量5个指标作为模型输入,围岩稳定程度为模型输出,建立了基于支持向量机的围岩稳定性分类模型。为增强模型的推广性能,提高其预测准确率,运用改进的网格搜索方法(GSM)寻找最优的支持向量机参数,并对8组围岩数据进行预测,并同BP神经网络模型的预测结果进行对比。结果表明,建立的GSM-SVM模型对预测样本的评判结果与实际结果一致,其预测精度较BP神经网络有很大的提升。
(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。
网格搜索法论文参考文献
[1].王迪.网格搜索法下区域地震定位研究[D].长安大学.2019
[2].袁颖,于少将,王晨晖,周爱红.基于网格搜索法优化支持向量机的围岩稳定性分类模型[J].地质与勘探.2019
[3].刘小生,章治邦.基于改进网格搜索法的SVM参数优化[J].江西理工大学学报.2019
[4].陈甫前,李明河.网格搜索法改进SVM的出水COD软测量建模[J].宜宾学院学报.2018
[5].章治邦.基于改进网格搜索法的SVM边坡变形预测研究[D].江西理工大学.2018
[6].Yongge,Wan,Shuzhong,Sheng,Jichao,Huang,Xiang,Li,Xin,Chen.基于震源机制解数据反演构造应力张量的网格搜索法及其在中国、越南和老挝边界地区的应用[J].世界地震译丛.2017
[7].吕中亮,汤宝平,周忆,孟杰.基于网格搜索法优化最大相关峭度反卷积的滚动轴承早期故障诊断方法[J].振动与冲击.2016
[8].陈远帆,李舜酩.基于高斯混合模型与改进网格搜索法的轴承故障诊断[J].重庆理工大学学报(自然科学).2016
[9].曲健,陈红岩,刘文贞,李志彬,张兵.基于改进网格搜索法的支持向量机在气体定量分析中的应用[J].传感技术学报.2015
[10].亢生彩.网格搜索法SVM参数优化在主扇风机故障诊断中的应用[J].煤炭技术.2015