PSO-SVM的城市橋梁群體震害預(yù)測模型

簡要介紹了城市橋梁的六種震害預(yù)測方法。在確定采用哪種方法時,要根據(jù)橋梁的結(jié)構(gòu)型式、橋墩材料、墩臺高度、基礎(chǔ)類型等因素來確定。在詳細介紹了回歸統(tǒng)計法的基礎(chǔ)上,通過實際橋梁的震害與回歸統(tǒng)計法的預(yù)測進行比較,檢驗了回歸統(tǒng)計法的可靠性。

本文根據(jù)對青島市123座橋梁的考察結(jié)果,建立了與青島市橋梁類型比例相當(dāng)?shù)膰鴥?nèi)243座橋梁的資料,并以此為對象闡述了城市橋梁震害預(yù)測因子法的研究過程,確定了橋梁易損性影響因素及其取值,給出了橋梁震害預(yù)測指標(biāo)計算方法和各種破壞狀態(tài)的劃分依據(jù)等。最后將此方法運用到青島市地震應(yīng)急指揮系統(tǒng)中,對青島市的123座橋梁進行了橋梁震害模擬。

通過研究分析夏熱冬冷地區(qū)公共建筑能耗變化特點,建立了rbf神經(jīng)網(wǎng)絡(luò)建筑能耗預(yù)測模型。在此基礎(chǔ)上運用微粒群算法對模型優(yōu)化,建立了基于pso-rbf的建筑能耗預(yù)測模型。利用大量數(shù)據(jù)構(gòu)造樣本集,運用軟件分別對優(yōu)化前后的預(yù)測模型進行訓(xùn)練,并運用到典型公共建筑能耗值的預(yù)測實例中。結(jié)果表明基于pso-rbf的建筑能耗預(yù)測模型的學(xué)習(xí)能力和預(yù)測能力強,能較準確地實現(xiàn)公共建筑能耗預(yù)測。

為了準確預(yù)測與控制工程造價水平，提出一種基于灰關(guān)聯(lián)分析（gra）與粒子群優(yōu)化（pso）的支持向量回歸機（svr）組合預(yù)測模型。將gra提取的工程造價主要指標(biāo)向量輸入pso-svr模型預(yù)測造價，采用pso優(yōu)化的svr模型進行工程造價預(yù)測，對比分析pso-svr模型和其他智能模型，對某一地區(qū)相同輸電工程進行造價預(yù)測。結(jié)果表明：基于灰關(guān)聯(lián)分析的pso-svr模型的造價預(yù)測效果更理想，預(yù)測精度更高。

現(xiàn)場量測獲得的基坑變形資料蘊含了系統(tǒng)內(nèi)部力學(xué)演化信息。針對基坑變形影響因素的復(fù)雜性、監(jiān)測數(shù)據(jù)的高度非線性以及人工神經(jīng)網(wǎng)絡(luò)方法的過學(xué)習(xí)問題,利用粒子群(pso)算法優(yōu)選最小二乘支持向量機(lssvm)參數(shù),并結(jié)合相空間重構(gòu)理論進行數(shù)據(jù)預(yù)處理,提出了一種基于pso-lssvm模型的基坑變形時間序列預(yù)測方法。利用該方法建立基坑變形預(yù)測模型應(yīng)用于動態(tài)設(shè)計和信息化施工,對保證基坑安全具有重要意義。將該方法用于昆明某基坑工程的深層水平位移預(yù)測,不斷利用基坑前期工況的最新實測數(shù)據(jù)建模,對后期工況變形量進行滾動預(yù)測,獲得了令人滿意的效果。

針對基坑周邊建筑傾斜變形影響因素的復(fù)雜性,以及監(jiān)測數(shù)據(jù)的小樣本和非線性特征,提出了一種基于pso-lssvm模型的基坑周邊建筑傾斜的時間序列預(yù)測方法。采用相空間重構(gòu)對基坑前期施工工況下的周邊建筑沉降差時間序列進行重構(gòu),構(gòu)建沉降差預(yù)測的學(xué)習(xí)樣本輸入到最小二乘支持向量機(lssvm)中訓(xùn)練。利用粒子群算法(pso)對lssvm參數(shù)進行優(yōu)化,獲得最優(yōu)預(yù)測模型,對后期工況施工期間的沉降差進行滾動預(yù)測,并代入公式計算得到未來傾斜變形值。將該方法用于昆明某基坑工程的周邊建筑傾斜預(yù)測分析,取得了令人滿意的預(yù)測結(jié)果。

針對基坑周邊建筑傾斜變形影響因素的復(fù)雜性,以及監(jiān)測數(shù)據(jù)的小樣本和非線性特征,提出了一種基于pso-lssvm模型的基坑周邊建筑傾斜的時間序列預(yù)測方法。采用相空間重構(gòu)對基坑前期施工工況下的周邊建筑沉降差時間序列進行重構(gòu),構(gòu)建沉降差預(yù)測的學(xué)習(xí)樣本輸入到最小二乘支持向量機（lssvm）中訓(xùn)練。利用粒子群算法（pso）對lssvm參數(shù)進行優(yōu)化,獲得最優(yōu)預(yù)測模型,對后期工況施工期間的沉降差進行滾動預(yù)測,并代入公式計算得到未來傾斜變形值。將該方法用于昆明某基坑工程的周邊建筑傾斜預(yù)測分析,取得了令人滿意的預(yù)測結(jié)果。

提出一種粒子群算法優(yōu)化的最小二乘支持向量機回歸模型(pso-ls-svmr),以實現(xiàn)對公共建筑能耗的短期預(yù)測。采用某大型公共建筑物連續(xù)31期的用電量及所在地區(qū)相關(guān)天氣指標(biāo)的實測數(shù)據(jù),分別運用pso-ls-svmr模型和lmbp神經(jīng)網(wǎng)絡(luò)模型對其建筑能耗進行短期預(yù)測,并對預(yù)測結(jié)果展開深入研究。研究結(jié)果表明,提出的pso-ls-svmr模型在對樣本內(nèi)數(shù)據(jù)和樣本外數(shù)據(jù)的預(yù)測上均取得了較好效果,可以滿足公共建筑能耗短期預(yù)測的實際需要,為建筑節(jié)能管理提供理論支持與決策參考。

磁懸浮開關(guān)磁阻電機(bsrm)的電感矩陣是電機建模的基礎(chǔ),本文提出了基于最小二乘支持向量機(ls-svm)的電機電感辨識建模方法。首先通過對bsrm電感特性的有限元分析,獲得各參數(shù)對電感的影響規(guī)律,然后結(jié)合lssvm在有限樣本數(shù)據(jù)下對高維非線性的逼近能力,離線建立bsrm各種運行工況下的電感模型。另外在建模中,針對ls-svm超參數(shù)選取問題,采用粒子群優(yōu)化算法(pso)對其進行自動尋優(yōu),以提高電感模型精度。最后通過對比仿真研究,表明pso-ls-svm模型能夠準確反映電機磁飽和下的電感特性,這為bsrm磁飽和模型的構(gòu)建奠定了基礎(chǔ)。

本文旨在探討pso-svm方法應(yīng)用于供水管網(wǎng)爆管故障診斷的可行性。通過管網(wǎng)水力計算模型參數(shù)的反演與爆管狀態(tài)下的水力模擬，試驗結(jié)果顯示，pso-svm方法于爆管程度的判定上仍存在一定誤差，不過對于爆管位置的診斷卻較為精確，提示說明基于pso-svm診斷模型對管網(wǎng)爆管位置及爆管嚴重程度的診斷結(jié)果是可以作為爆管故障處理的參考指標(biāo)。

針對智能建筑環(huán)境監(jiān)控系統(tǒng)中,多個傳感器獨立工作可能會造成系統(tǒng)誤判的問題,提出了一種基于粒子群優(yōu)化支持向量機(pso-svm)的環(huán)境質(zhì)量綜合評價模型,即利用粒子群算法快速優(yōu)化支持向量機的懲罰參數(shù)和核函數(shù)參數(shù),然后采用zigbee無線傳感網(wǎng)絡(luò)采集的環(huán)境數(shù)據(jù)對pso-svm分類模型進行訓(xùn)練和測試。實驗結(jié)果表明pso-svm分類器對環(huán)境質(zhì)量判斷的平均精度達到94.44%,且分類結(jié)果穩(wěn)定。將這種方法應(yīng)用于智能建筑環(huán)境監(jiān)控系統(tǒng)中,可以增加系統(tǒng)監(jiān)測數(shù)據(jù)的準確性,提高系統(tǒng)工作的可靠性。

針對神經(jīng)網(wǎng)絡(luò)用于基坑變形預(yù)測存在結(jié)構(gòu)難確定、訓(xùn)練易陷入局部最優(yōu)及易過學(xué)習(xí)等問題,構(gòu)造滾動時間窗,以已有的實測時間序列為樣本,利用最小二乘支持向量機(ls-svm)建立基坑預(yù)測模型,應(yīng)用網(wǎng)格搜索算法優(yōu)化模型參數(shù),連續(xù)滾動地多步預(yù)測基坑變形。實例結(jié)果表明,該模型預(yù)測效果優(yōu)于bp神經(jīng)網(wǎng)絡(luò),具有所需數(shù)據(jù)少、推廣能力強等優(yōu)點。

地震是我國最常見的自然災(zāi)害之一,強烈的地震往往會引起震區(qū)內(nèi)大量建筑物倒塌或損害。橋梁是是社會生命線工程的重要構(gòu)成部分,也是地震中最容易破壞的部件。如需對震區(qū)橋梁震害損失、交通可靠性、橋梁加固優(yōu)化以及救援應(yīng)急決策等方面研究,需要進行橋梁震前的震害評估。傳統(tǒng)的震前震區(qū)橋梁震害預(yù)測的方法或多或少存在主觀性的因素,且存在評估結(jié)果穩(wěn)定性不高的情況。借助投影尋蹤模型數(shù)理統(tǒng)計聚類方法,構(gòu)建了基于投影尋蹤方法的生命線橋梁震害預(yù)測模型,結(jié)合粒子群計算機算法優(yōu)化投影方向參數(shù),將橋梁震害預(yù)測的多維評價指標(biāo)投影計算成一維數(shù)值,并根據(jù)投影值的大小以及置信區(qū)間對橋梁的震害進行預(yù)測,通過兩組數(shù)據(jù)實驗驗證模型,結(jié)果基本達到了預(yù)期,泛化能力較好。

模型預(yù)測技術(shù)在橋梁健康監(jiān)測中的應(yīng)用——針對錢江四橋?qū)崟r健康監(jiān)測系統(tǒng)的監(jiān)測數(shù)據(jù)，采用ar模型、arma模型以及灰色系統(tǒng)的gm(1，1)等隨機模型，進行數(shù)學(xué)建模，并對各模型進行了不同步長的預(yù)測研究。結(jié)果表明，當(dāng)采用合適的數(shù)學(xué)模型參數(shù)后，預(yù)測和實際監(jiān)測結(jié)果十分...

高速鐵路線路修建過程中需要對線下構(gòu)筑物進行沉降觀測和沉降評估,由于高速鐵路橋梁墩臺沉降測量數(shù)據(jù)具有沉降量級較小,數(shù)值波動變化大的特性,所以單一預(yù)測模型不能很好的預(yù)測沉降量。文中結(jié)合logistic模型、gompertz模型和mmf模型的特點,應(yīng)用加權(quán)幾何平均法構(gòu)造一個新的組合模型,使用該組合預(yù)測模型對橋梁墩臺沉降進行預(yù)測,并對新模型進行精度評定。結(jié)合工程實例可得:組合預(yù)測模型擬合度高于前面三種模型,具有工程實用價值。

支持向量機svm作為機器學(xué)習(xí)方法之一,有數(shù)據(jù)分類以及數(shù)據(jù)回歸兩種用途,支持向量機的回歸能應(yīng)用于預(yù)測領(lǐng)域.本文應(yīng)用svm方法來建立電力負荷預(yù)測模型,首先以歷史負荷、天氣、日期類型作輸入數(shù)據(jù),然后對數(shù)據(jù)進行歸一化處理,再利用svm構(gòu)建預(yù)測模型,svm在負荷預(yù)測方面具有較高的可信度與精準度.

將模糊數(shù)學(xué)理論和貝葉斯相結(jié)合,提出了一種新的結(jié)構(gòu)物地震災(zāi)害預(yù)測方法,該方法可以綜合考慮歷史上的結(jié)構(gòu)地震災(zāi)害經(jīng)驗及待預(yù)測結(jié)構(gòu)物的具體情況,因此可以較全面的反映結(jié)構(gòu)物地震災(zāi)害的實際情況,從而得出較準確的結(jié)構(gòu)物地震災(zāi)害預(yù)測。

作為城市交通的咽喉,橋梁在現(xiàn)代化城市建設(shè)中起著不可忽視的作用。橋梁日常養(yǎng)護工作是否到位直接關(guān)系著交通的安全、暢通,越來越引起城市建設(shè)者的關(guān)注。本文針對目前橋梁養(yǎng)護中存在的不足,提出了幾點建議。

針對建筑運行中管理粗放、使用中能源浪費的問題,提出了基于支持向量機的能耗預(yù)測與異常診斷方法,為大型公共建筑節(jié)能提供理論支撐與實現(xiàn)路徑。由于大型公共建筑具有極大的單位面積耗能量而得到廣泛的關(guān)注。本文針對大型公共建筑能耗特點,從歷史能耗數(shù)據(jù)、氣候因素、時間周期因素三個方面選取11個輸入?yún)?shù)作為樣本特征,構(gòu)建基于支持向量機的大型公共建筑能耗預(yù)測模型,對建筑逐日能耗展開預(yù)測。在能耗預(yù)測基礎(chǔ)上,以測試集平均相對誤差與最大誤差作為判定標(biāo)準進行能耗異常診斷,將該方法應(yīng)用于夏季空調(diào)系統(tǒng)能耗異常診斷中,通過能耗預(yù)測值與實際值的對比,發(fā)現(xiàn)了空調(diào)系統(tǒng)運行中存在的不合理使用現(xiàn)象,為建筑節(jié)能管理運行提供參考。

針對建筑運行中管理粗放、使用中能源浪費的問題,提出了基于支持向量機的能耗預(yù)測與異常診斷方法,為大型公共建筑節(jié)能提供理論支撐與實現(xiàn)路徑。由于大型公共建筑具有極大的單位面積耗能量而得到廣泛的關(guān)注。本文針對大型公共建筑能耗特點,從歷史能耗數(shù)據(jù)、氣候因素、時間周期因素三個方面選取11個輸入?yún)?shù)作為樣本特征,構(gòu)建基于支持向量機的大型公共建筑能耗預(yù)測模型,對建筑逐日能耗展開預(yù)測。在能耗預(yù)測基礎(chǔ)上,以測試集平均相對誤差與最大誤差作為判定標(biāo)準進行能耗異常診斷,將該方法應(yīng)用于夏季空調(diào)系統(tǒng)能耗異常診斷中,通過能耗預(yù)測值與實際值的對比,發(fā)現(xiàn)了空調(diào)系統(tǒng)運行中存在的不合理使用現(xiàn)象,為建筑節(jié)能管理運行提供參考。

巖土工程受力變形演化是一個典型的非線性問題,其演化的高度非線性和復(fù)雜性,很難用簡單的力學(xué)、數(shù)學(xué)模型描述,但可用粒子群優(yōu)化徑向基神經(jīng)網(wǎng)絡(luò)對巖土工程應(yīng)力、位移非線性時間序列進行動態(tài)實時預(yù)測。網(wǎng)絡(luò)徑向基層的單元數(shù)通過均值聚類法確定后,所有其它參數(shù):中心位置、形狀參數(shù)、網(wǎng)絡(luò)權(quán)值,均通過粒子群優(yōu)化算法在全局空間優(yōu)化確定。工程實例應(yīng)用表明,該模型預(yù)測結(jié)果準確、精度高,有良好的應(yīng)用前景。

快速準確地預(yù)測城市建筑物在地震發(fā)生后的震害情況,對地震后的應(yīng)急救災(zāi)起著至關(guān)重要的作用,文章對傳統(tǒng)的城市建筑物震害類比法進行了優(yōu)化,在對不同震害影響因素進行分析確定的基礎(chǔ)上,通過模糊層次分析法分別對不同結(jié)構(gòu)類型的不同影響因素設(shè)置不同的權(quán)重,突出了不同影響因素對結(jié)構(gòu)抗震性能的影響,使預(yù)測的結(jié)果更加準確。運用acess建立了樣本數(shù)據(jù),使用優(yōu)化的類比預(yù)測方法能夠在較少的投資和較短的時間下,迅速給出城市的震害預(yù)測結(jié)果。并以某市高層建筑震害預(yù)測為例說明該方法的可靠性。