PSO-SVM的城市橋梁群體震害預(yù)測(cè)模型

簡(jiǎn)要介紹了城市橋梁的六種震害預(yù)測(cè)方法。在確定采用哪種方法時(shí),要根據(jù)橋梁的結(jié)構(gòu)型式、橋墩材料、墩臺(tái)高度、基礎(chǔ)類(lèi)型等因素來(lái)確定。在詳細(xì)介紹了回歸統(tǒng)計(jì)法的基礎(chǔ)上,通過(guò)實(shí)際橋梁的震害與回歸統(tǒng)計(jì)法的預(yù)測(cè)進(jìn)行比較,檢驗(yàn)了回歸統(tǒng)計(jì)法的可靠性。

本文根據(jù)對(duì)青島市123座橋梁的考察結(jié)果,建立了與青島市橋梁類(lèi)型比例相當(dāng)?shù)膰?guó)內(nèi)243座橋梁的資料,并以此為對(duì)象闡述了城市橋梁震害預(yù)測(cè)因子法的研究過(guò)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(cè)指標(biāo)計(jì)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(yùn)用到青島市地震應(yīng)急指揮系統(tǒng)中,對(duì)青島市的123座橋梁進(jìn)行了橋梁震害模擬。

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

為了準(zhǔn)確預(yù)測(cè)與控制工程造價(jià)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(jī)（svr）組合預(yù)測(cè)模型。將gra提取的工程造價(jià)主要指標(biāo)向量輸入pso-svr模型預(yù)測(cè)造價(jià)，采用pso優(yōu)化的svr模型進(jìn)行工程造價(jià)預(yù)測(cè)，對(duì)比分析pso-svr模型和其他智能模型，對(duì)某一地區(qū)相同輸電工程進(jìn)行造價(jià)預(yù)測(cè)。結(jié)果表明：基于灰關(guān)聯(lián)分析的pso-svr模型的造價(jià)預(yù)測(cè)效果更理想，預(yù)測(cè)精度更高。

現(xiàn)場(chǎng)量測(cè)獲得的基坑變形資料蘊(yùn)含了系統(tǒng)內(nèi)部力學(xué)演化信息。針對(duì)基坑變形影響因素的復(fù)雜性、監(jiān)測(cè)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(guò)學(xué)習(xí)問(wèn)題,利用粒子群(pso)算法優(yōu)選最小二乘支持向量機(jī)(lssvm)參數(shù),并結(jié)合相空間重構(gòu)理論進(jìn)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(shí)間序列預(yù)測(cè)方法。利用該方法建立基坑變形預(yù)測(cè)模型應(yīng)用于動(dòng)態(tài)設(shè)計(jì)和信息化施工,對(duì)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(cè),不斷利用基坑前期工況的最新實(shí)測(cè)數(shù)據(jù)建模,對(duì)后期工況變形量進(jìn)行滾動(dòng)預(yù)測(cè),獲得了令人滿(mǎn)意的效果。

針對(duì)基坑周邊建筑傾斜變形影響因素的復(fù)雜性,以及監(jiān)測(cè)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(shí)間序列預(yù)測(cè)方法。采用相空間重構(gòu)對(duì)基坑前期施工工況下的周邊建筑沉降差時(shí)間序列進(jìn)行重構(gòu),構(gòu)建沉降差預(yù)測(cè)的學(xué)習(xí)樣本輸入到最小二乘支持向量機(jī)(lssvm)中訓(xùn)練。利用粒子群算法(pso)對(duì)lssvm參數(shù)進(jìn)行優(yōu)化,獲得最優(yōu)預(yù)測(cè)模型,對(duì)后期工況施工期間的沉降差進(jìn)行滾動(dòng)預(yù)測(cè),并代入公式計(jì)算得到未來(lái)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(cè)分析,取得了令人滿(mǎn)意的預(yù)測(cè)結(jié)果。

針對(duì)基坑周邊建筑傾斜變形影響因素的復(fù)雜性,以及監(jiān)測(cè)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(shí)間序列預(yù)測(cè)方法。采用相空間重構(gòu)對(duì)基坑前期施工工況下的周邊建筑沉降差時(shí)間序列進(jìn)行重構(gòu),構(gòu)建沉降差預(yù)測(cè)的學(xué)習(xí)樣本輸入到最小二乘支持向量機(jī)（lssvm）中訓(xùn)練。利用粒子群算法（pso）對(duì)lssvm參數(shù)進(jìn)行優(yōu)化,獲得最優(yōu)預(yù)測(cè)模型,對(duì)后期工況施工期間的沉降差進(jìn)行滾動(dòng)預(yù)測(cè),并代入公式計(jì)算得到未來(lái)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(cè)分析,取得了令人滿(mǎn)意的預(yù)測(cè)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(jī)回歸模型(pso-ls-svmr),以實(shí)現(xiàn)對(duì)公共建筑能耗的短期預(yù)測(cè)。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(shí)測(cè)數(shù)據(jù),分別運(yùn)用pso-ls-svmr模型和lmbp神經(jīng)網(wǎng)絡(luò)模型對(duì)其建筑能耗進(jìn)行短期預(yù)測(cè),并對(duì)預(yù)測(cè)結(jié)果展開(kāi)深入研究。研究結(jié)果表明,提出的pso-ls-svmr模型在對(duì)樣本內(nèi)數(shù)據(jù)和樣本外數(shù)據(jù)的預(yù)測(cè)上均取得了較好效果,可以滿(mǎn)足公共建筑能耗短期預(yù)測(cè)的實(shí)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(kāi)關(guān)磁阻電機(jī)(bsrm)的電感矩陣是電機(jī)建模的基礎(chǔ),本文提出了基于最小二乘支持向量機(jī)(ls-svm)的電機(jī)電感辨識(shí)建模方法。首先通過(guò)對(duì)bsrm電感特性的有限元分析,獲得各參數(shù)對(duì)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(duì)高維非線性的逼近能力,離線建立bsrm各種運(yùn)行工況下的電感模型。另外在建模中,針對(duì)ls-svm超參數(shù)選取問(wèn)題,采用粒子群優(yōu)化算法(pso)對(duì)其進(jìn)行自動(dòng)尋優(yōu),以提高電感模型精度。最后通過(guò)對(duì)比仿真研究,表明pso-ls-svm模型能夠準(zhǔn)確反映電機(jī)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(guò)管網(wǎng)水力計(jì)算模型參數(shù)的反演與爆管狀態(tài)下的水力模擬，試驗(yàn)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(guò)對(duì)于爆管位置的診斷卻較為精確，提示說(shuō)明基于pso-svm診斷模型對(duì)管網(wǎng)爆管位置及爆管?chē)?yán)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(duì)智能建筑環(huán)境監(jiān)控系統(tǒng)中,多個(gè)傳感器獨(dú)立工作可能會(huì)造成系統(tǒng)誤判的問(wèn)題,提出了一種基于粒子群優(yōu)化支持向量機(jī)(pso-svm)的環(huán)境質(zhì)量綜合評(píng)價(jià)模型,即利用粒子群算法快速優(yōu)化支持向量機(jī)的懲罰參數(shù)和核函數(shù)參數(shù),然后采用zigbee無(wú)線傳感網(wǎng)絡(luò)采集的環(huán)境數(shù)據(jù)對(duì)pso-svm分類(lèi)模型進(jìn)行訓(xùn)練和測(cè)試。實(shí)驗(yàn)結(jié)果表明pso-svm分類(lèi)器對(duì)環(huán)境質(zhì)量判斷的平均精度達(dá)到94.44%,且分類(lèi)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(cè)數(shù)據(jù)的準(zhǔn)確性,提高系統(tǒng)工作的可靠性。

針對(duì)神經(jīng)網(wǎng)絡(luò)用于基坑變形預(yù)測(cè)存在結(jié)構(gòu)難確定、訓(xùn)練易陷入局部最優(yōu)及易過(guò)學(xué)習(xí)等問(wèn)題,構(gòu)造滾動(dòng)時(shí)間窗,以已有的實(shí)測(cè)時(shí)間序列為樣本,利用最小二乘支持向量機(jī)(ls-svm)建立基坑預(yù)測(cè)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(dòng)地多步預(yù)測(cè)基坑變形。實(shí)例結(jié)果表明,該模型預(yù)測(cè)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(qiáng)等優(yōu)點(diǎn)。

地震是我國(guó)最常見(jiàn)的自然災(zāi)害之一,強(qiáng)烈的地震往往會(huì)引起震區(qū)內(nèi)大量建筑物倒塌或損害。橋梁是是社會(huì)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(duì)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(jìn)行橋梁震前的震害評(píng)估。傳統(tǒng)的震前震區(qū)橋梁震害預(yù)測(cè)的方法或多或少存在主觀性的因素,且存在評(píng)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(jì)聚類(lèi)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(cè)模型,結(jié)合粒子群計(jì)算機(jī)算法優(yōu)化投影方向參數(shù),將橋梁震害預(yù)測(cè)的多維評(píng)價(jià)指標(biāo)投影計(jì)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(duì)橋梁的震害進(jìn)行預(yù)測(cè),通過(guò)兩組數(shù)據(jù)實(shí)驗(yàn)驗(yàn)證模型,結(jié)果基本達(dá)到了預(yù)期,泛化能力較好。

模型預(yù)測(cè)技術(shù)在橋梁健康監(jiān)測(cè)中的應(yīng)用——針對(duì)錢(qián)江四橋?qū)崟r(shí)健康監(jiān)測(cè)系統(tǒng)的監(jiān)測(cè)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(jī)模型，進(jìn)行數(shù)學(xué)建模，并對(duì)各模型進(jìn)行了不同步長(zhǎng)的預(yù)測(cè)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(cè)和實(shí)際監(jiān)測(cè)結(jié)果十分...

高速鐵路線路修建過(guò)程中需要對(duì)線下構(gòu)筑物進(jìn)行沉降觀測(cè)和沉降評(píng)估,由于高速鐵路橋梁墩臺(tái)沉降測(cè)量數(shù)據(jù)具有沉降量級(jí)較小,數(shù)值波動(dòng)變化大的特性,所以單一預(yù)測(cè)模型不能很好的預(yù)測(cè)沉降量。文中結(jié)合logistic模型、gompertz模型和mmf模型的特點(diǎn),應(yīng)用加權(quán)幾何平均法構(gòu)造一個(gè)新的組合模型,使用該組合預(yù)測(cè)模型對(duì)橋梁墩臺(tái)沉降進(jìn)行預(yù)測(cè),并對(duì)新模型進(jìn)行精度評(píng)定。結(jié)合工程實(shí)例可得:組合預(yù)測(cè)模型擬合度高于前面三種模型,具有工程實(shí)用價(jià)值。

支持向量機(jī)svm作為機(jī)器學(xué)習(xí)方法之一,有數(shù)據(jù)分類(lèi)以及數(shù)據(jù)回歸兩種用途,支持向量機(jī)的回歸能應(yīng)用于預(yù)測(cè)領(lǐng)域.本文應(yīng)用svm方法來(lái)建立電力負(fù)荷預(yù)測(cè)模型,首先以歷史負(fù)荷、天氣、日期類(lèi)型作輸入數(shù)據(jù),然后對(duì)數(shù)據(jù)進(jìn)行歸一化處理,再利用svm構(gòu)建預(yù)測(cè)模型,svm在負(fù)荷預(yù)測(cè)方面具有較高的可信度與精準(zhǔn)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(cè)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(yàn)及待預(yù)測(cè)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(shí)際情況,從而得出較準(zhǔn)確的結(jié)構(gòu)物地震災(zāi)害預(yù)測(cè)。

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(hù)工作是否到位直接關(guān)系著交通的安全、暢通,越來(lái)越引起城市建設(shè)者的關(guān)注。本文針對(duì)目前橋梁養(yǎng)護(hù)中存在的不足,提出了幾點(diǎn)建議。

針對(duì)現(xiàn)有電力電子電路故障狀態(tài)預(yù)測(cè)技術(shù)的不足,提出將電路特征性能參數(shù)與粒子群算法(pso)優(yōu)化的徑向基函數(shù)(rbf)神經(jīng)網(wǎng)絡(luò)相結(jié)合,對(duì)電力電子電路進(jìn)行故障狀態(tài)監(jiān)測(cè)預(yù)測(cè).以電源電路中buck電路為例,選擇電路輸出電壓作為監(jiān)測(cè)信號(hào),提取輸出電壓平均值及紋波電壓值作為電路特征性能參數(shù),并利用改進(jìn)后的rbf神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)狀態(tài)預(yù)測(cè).結(jié)果表明,利用pso改進(jìn)后的rbf神經(jīng)網(wǎng)絡(luò)對(duì)電路輸出平均電壓和紋波電壓的預(yù)測(cè)比單純r(jià)bf神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的結(jié)果更加精準(zhǔn),能夠跟蹤電源電路狀態(tài)特征性能參數(shù)的變化趨勢(shì),有效實(shí)現(xiàn)電力電子電路狀態(tài)監(jiān)測(cè)和預(yù)測(cè).

針對(duì)建筑運(yùn)行中管理粗放、使用中能源浪費(fèi)的問(wèn)題,提出了基于支持向量機(jī)的能耗預(yù)測(cè)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(shí)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(duì)大型公共建筑能耗特點(diǎn),從歷史能耗數(shù)據(jù)、氣候因素、時(shí)間周期因素三個(gè)方面選取11個(gè)輸入?yún)?shù)作為樣本特征,構(gòu)建基于支持向量機(jī)的大型公共建筑能耗預(yù)測(cè)模型,對(duì)建筑逐日能耗展開(kāi)預(yù)測(cè)。在能耗預(yù)測(cè)基礎(chǔ)上,以測(cè)試集平均相對(duì)誤差與最大誤差作為判定標(biāo)準(zhǔn)進(jìn)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(guò)能耗預(yù)測(cè)值與實(shí)際值的對(duì)比,發(fā)現(xiàn)了空調(diào)系統(tǒng)運(yùn)行中存在的不合理使用現(xiàn)象,為建筑節(jié)能管理運(yùn)行提供參考。

針對(duì)建筑運(yùn)行中管理粗放、使用中能源浪費(fèi)的問(wèn)題,提出了基于支持向量機(jī)的能耗預(yù)測(cè)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(shí)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(duì)大型公共建筑能耗特點(diǎn),從歷史能耗數(shù)據(jù)、氣候因素、時(shí)間周期因素三個(gè)方面選取11個(gè)輸入?yún)?shù)作為樣本特征,構(gòu)建基于支持向量機(jī)的大型公共建筑能耗預(yù)測(cè)模型,對(duì)建筑逐日能耗展開(kāi)預(yù)測(cè)。在能耗預(yù)測(cè)基礎(chǔ)上,以測(cè)試集平均相對(duì)誤差與最大誤差作為判定標(biāo)準(zhǔn)進(jìn)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(guò)能耗預(yù)測(cè)值與實(shí)際值的對(duì)比,發(fā)現(xiàn)了空調(diào)系統(tǒng)運(yùn)行中存在的不合理使用現(xiàn)象,為建筑節(jié)能管理運(yùn)行提供參考。

巖土工程受力變形演化是一個(gè)典型的非線性問(wèn)題,其演化的高度非線性和復(fù)雜性,很難用簡(jiǎn)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(duì)巖土工程應(yīng)力、位移非線性時(shí)間序列進(jìn)行動(dòng)態(tài)實(shí)時(shí)預(yù)測(cè)。網(wǎng)絡(luò)徑向基層的單元數(shù)通過(guò)均值聚類(lèi)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(guò)粒子群優(yōu)化算法在全局空間優(yōu)化確定。工程實(shí)例應(yīng)用表明,該模型預(yù)測(cè)結(jié)果準(zhǔn)確、精度高,有良好的應(yīng)用前景。