共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
讨论了利用粒子群优化(PSO)算法来优化选择支持向量机(SVM)参数的原理,分析了三种方法在地表沉降预测中的实例,结果表明PSO-SVM模型预测精度高。 相似文献
3.
高层建筑物的地基沉降量是高层建筑物安全的一个重要指标,根据已有的观测数据对未来的沉降量进行观测可以有效预防灾害的发生。由于沉降量是一个复杂的非线性过程,采用非线性预测方法是一种可行有效的方法。本文将最小二乘支持向量机应用于高层建筑物地基沉降量的预测,对参数分别用交叉验证和遗传算法进行了优化。经过实例验证,最小二乘支持向量机应用于沉降量的预测是可行的,并且遗传算法优化的最小二乘支持向量机的预测沉降量精度更优。 相似文献
4.
基于最小二乘支持向量机回归综合预测建筑物沉降 总被引:1,自引:0,他引:1
针对在工程实践中,应用单一方法预测建筑物沉降存在着局限性,提出了基于最小二乘支持向量机回归综合单一方法预测沉降量。该方法能综合单一方法的特点,增强了模型的普适性,从而提高了预测精度和预报期次。文中讨论了如何实现和运用该方法,最后通过实例验证了其有效性。 相似文献
5.
针对传统支持向量机算法在预测方面的不足,采用自适应粒子群算法(APSO)对支持向量机参数选择进行分析和优化,建立基于自适应粒子群优化的SVM算法建筑物沉降预测模型,并对建筑物进行沉降预测。实验表明,相比于传统的支持向量机算法,自适应粒子群优化的SVM算法预测精度较高,为建筑物沉降预测提供一种新方法。 相似文献
6.
7.
为解决现代工程施工中对沉降预测精度提出的更高要求,本研究提出了一种基于粒子群算法(PSO)和支持回归机(SVR)的混合预测模型。依据山西某工程建筑施工沉降监测数据,将其分为建模和测试两部分,分别建立了SVR、PSO-SVR、BP神经网络和多元回归预测模型。最后对模型做试算分析,结果表明:PSO-SVR模型预测精度绝对占优,对实际值具有更强的逼近能力,多元回归模型预测精度相较于PSO-SVR模型略低,但明显优于其它两类智能模型。本文提出的混合模型对解决实际工程中遇到的沉降预测问题非常实用,值得进一步推广应用。 相似文献
8.
9.
10.
11.
12.
高速铁路路基的工后沉降严重影响着行车安全。在已有的预测模型中,所采用的初始数据往往不能满足等时间周期采集,而且还会伴随着一系列不可避免的观测误差,模型本身的误差累计,不能进行长期预测。文中利用最小二乘原理对初始值进行拟合改进,采用Lagrange插值方法将非等间隔序列转为等间隔序列,并基于新陈更替GM(1,1)模型利用MATLAB建立沉降预测模型;在此基础上,提出对模型残差进行GM改正以提高模型精度的方法。研究表明,通过对初始值序列改正后的模型具有较好的适应性,优化改进后的模型预测误差小,预测精度优于新陈更替GM(1,1)模型。 相似文献
13.
大坝沉降往往受多种因素影响,对此提出一种基于双树复小波-最小二乘支持向量机(LSSVM)的大坝沉降预测方法.利用双树复小波有效分离出大坝原始序列中隐含的不同频率分量,分析影响大坝沉降的水位、温度与各频率分量的关系,建立相应的LSSVM预测模型.实验表明,该方法有较高的预测精度. 相似文献
14.
公路路基沉降灰色预测方法之探讨 总被引:2,自引:0,他引:2
根据公路路基沉降规律和GM(1,1)模型单调指数变化的特性,提出了对原始数列进行分析,合理选择GM(1,1)模型或灰色Verhulst模型。若原始数列处于快速沉降阶段,宜选用GM(1,1)模型;若原始数列处于沉降饱和阶段,宜选用灰色Verhulst模型,并用数学方法证明了灰色Verhulst模型的合理性。 相似文献
15.
人工神经网络具有较强的非线性映射能力。本文介绍了神经网络BP算法的一些改进措施。这些措施可以提高BP算法的学习收敛速度,同时也可以提高BP网络性能的稳定性。为避免软土路基沉降传统计算方法中各种人为因素的干扰,本方法利用实测资料直接建模。基于改进的BP神经网络模型,建立了可依据现场量测信息对软基路堤沉降量随时间而发展的过程进行动态预报的分析方法。本文所建立的BP算法模型比较独特,利用该模型预测软土路基沉降精度高,预测结果的稳定性好。 相似文献
16.
17.
18.
19.