向量機(jī)室內(nèi)轟燃預(yù)測(cè)模型

為了科學(xué)預(yù)測(cè)與評(píng)估煤礦采動(dòng)引起的建筑物采動(dòng)損害程度,在系統(tǒng)分析建筑物采動(dòng)損害影響因素的基礎(chǔ)上,基于支持向量機(jī)理論,利用礦區(qū)典型建筑物采動(dòng)損害案例,首次建立了煤礦開采影響下建筑物采動(dòng)損害程度的支持向量機(jī)預(yù)測(cè)模型,并測(cè)試了該模型的可行性和可靠性.研究成果可為建筑物采動(dòng)損害預(yù)測(cè)提供一條新的技術(shù)途徑.

基于支持向量機(jī)的砂土液化預(yù)測(cè)模型——分析了砂土液化的主要影響因素，建立了砂土液化的支持向量機(jī)預(yù)測(cè)模型。該模型能通過有限經(jīng)驗(yàn)數(shù)據(jù)的學(xué)習(xí)，建立砂土液化類型與其影響因素之間的非線性關(guān)系。運(yùn)用所建立的模型對(duì)具體的砂土液化類型進(jìn)行了評(píng)判，評(píng)判結(jié)果表明，...

根據(jù)電力負(fù)荷序列的混沌特性,提出混沌理論和蟻群優(yōu)化支持向量機(jī)結(jié)合的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)新方法,以相空間重構(gòu)理論確定支持向量機(jī)的輸入量個(gè)數(shù);訓(xùn)練樣本集由對(duì)應(yīng)預(yù)測(cè)相點(diǎn)的最近鄰相點(diǎn)集構(gòu)成,且是按預(yù)測(cè)相點(diǎn)步進(jìn)動(dòng)態(tài)相軌跡生成;采用蟻群優(yōu)化算法對(duì)支持向量機(jī)敏感參數(shù)進(jìn)行優(yōu)化,從而可增強(qiáng)預(yù)測(cè)模型對(duì)混沌動(dòng)力學(xué)的聯(lián)想和泛化推理能力,提高負(fù)荷預(yù)測(cè)的精度和提高預(yù)測(cè)穩(wěn)定性。對(duì)某地區(qū)負(fù)荷系統(tǒng)日、周預(yù)測(cè)仿真測(cè)試,證明其可獲得穩(wěn)定的較高預(yù)測(cè)精度。

建筑系統(tǒng)是一個(gè)滯后系統(tǒng)，對(duì)下一時(shí)刻室內(nèi)溫度的預(yù)測(cè)可以指導(dǎo)樓宇閥門的開關(guān)，從而在保證用戶熱舒適性的同時(shí)節(jié)約能源。但是，建筑室內(nèi)溫度受室外氣象因素、歷史溫度等多種非線性因素的影響，機(jī)理建模困難。針對(duì)以上問題，先確定輸入、輸出樣本，建立支持向量機(jī)模型；然后采用粒子群優(yōu)化（pso）算法對(duì)svm的核參數(shù)和懲罰因子進(jìn)行動(dòng)態(tài)尋優(yōu)，建立pso-svm預(yù)測(cè)模型；最后，在matlab實(shí)驗(yàn)平臺(tái)上進(jìn)行仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，經(jīng)過粒子群優(yōu)化的支持向量機(jī)預(yù)測(cè)模型的精度提高至0.6%，可以準(zhǔn)確指導(dǎo)樓宇閥門的開關(guān)。

為了預(yù)測(cè)水泵在運(yùn)行中的振動(dòng)狀態(tài),提高水泵運(yùn)行的安全性和經(jīng)濟(jì)性,采用了統(tǒng)計(jì)學(xué)習(xí)理論中的核心算法——支持向量機(jī)與自回歸方法相結(jié)合,建立了水泵振動(dòng)預(yù)測(cè)模型(svar)。并通過實(shí)例,與基于灰色理論建立的預(yù)測(cè)模型(gm)和基于自回歸方法建立的預(yù)測(cè)模型(ar)進(jìn)行了比較。結(jié)果表明:基于支持向量自回歸的水泵振動(dòng)預(yù)測(cè)模型(svar)具有精度高、速度快、易于建模的特點(diǎn)。應(yīng)用該方法建立的預(yù)測(cè)模型能夠很好地預(yù)測(cè)水泵運(yùn)行中的振動(dòng)情況,有效地避免水泵運(yùn)行中由振動(dòng)引起的故障。

http://www.***.*** 單樁豎向極限承載力預(yù)測(cè)的支持向量機(jī)模型 趙月平，王威 河南工業(yè)大學(xué)土木建筑學(xué)院，河南鄭州（450052） 摘要：在綜合分析了各種單樁豎向極限承載力分析方法的基礎(chǔ)上，提出了基于支持向量機(jī) 的單樁豎向極限承載力預(yù)測(cè)方法，并在matlab中編制了相應(yīng)的支持向量機(jī)程序，建立 了相應(yīng)的單樁豎向極限承載力預(yù)測(cè)模型。以大量的實(shí)例數(shù)據(jù)為學(xué)習(xí)樣本和測(cè)試樣本，討論 了基于支持向量機(jī)的單樁豎向極限承載力分析方法及其可行性。研究表明，用支持向量機(jī) 方法來預(yù)測(cè)單樁豎向極限承載力是可行的。 關(guān)鍵詞：單樁；豎向極限承載力；支持向量機(jī)(svm)；預(yù)測(cè) 中圖分類號(hào)：tu413.4文獻(xiàn)標(biāo)識(shí)碼：a 0引言 樁基礎(chǔ)作為我國工程建設(shè)中重要的基 礎(chǔ)形式，具有承載力高、沉降量小，且調(diào) 節(jié)不均勻沉降能力強(qiáng)的特性，得到廣泛應(yīng) 用。樁基作為建筑物

為提高水庫來水量的預(yù)測(cè)精度,提出了一種基于最小二乘支持向量機(jī)(ls-svm)的來水量預(yù)測(cè)模型。實(shí)例應(yīng)用結(jié)果表明,該模型預(yù)測(cè)能力強(qiáng)、預(yù)測(cè)精度高,其預(yù)測(cè)精度明顯高于bp模型,為來水量預(yù)測(cè)提供了一種可靠、有效的方法。

季節(jié)型電力負(fù)荷同時(shí)具有增長性和波動(dòng)性的二重趨勢(shì),使得負(fù)荷的變化呈現(xiàn)出復(fù)雜的非線性組合特征。對(duì)此,提出了一種綜合最優(yōu)灰色支持向量機(jī)預(yù)測(cè)模型,研究了同時(shí)考慮2種非線性趨勢(shì)的復(fù)雜季節(jié)型負(fù)荷預(yù)測(cè)問題,說明了此優(yōu)化模型分別優(yōu)于2種單一負(fù)荷預(yù)測(cè)模型。在此基礎(chǔ)上,對(duì)一般粒子群算法引入粒子速度自適應(yīng)可調(diào)機(jī)制,并利用改進(jìn)粒子群算法優(yōu)化組合預(yù)測(cè)模型中的權(quán)值。對(duì)電力負(fù)荷預(yù)測(cè)應(yīng)用實(shí)例的計(jì)算結(jié)果表明,該模型較大提高了季節(jié)型負(fù)荷預(yù)測(cè)的精度,具有較好的性能。

對(duì)加工系統(tǒng)進(jìn)行補(bǔ)償是提高機(jī)械加工精度的有效手段。通過對(duì)加工系統(tǒng)的研究,建立誤差預(yù)測(cè)模型,是進(jìn)行誤差補(bǔ)償?shù)谋匾緩?。本文以鏜孔加工為實(shí)驗(yàn)對(duì)象,提出了基于支持向量機(jī)(supportvectormachine,svm)的加工系統(tǒng)誤差預(yù)測(cè)模型,實(shí)驗(yàn)結(jié)果顯示,支持向量機(jī)可以應(yīng)用于誤差預(yù)測(cè)建模,且在系統(tǒng)誤差的預(yù)測(cè)精度上高于基于徑向基(rbf)神經(jīng)網(wǎng)絡(luò)的誤差預(yù)測(cè)模型。

基于支持向量機(jī)的建筑物空調(diào)負(fù)荷預(yù)測(cè)模型——建立了基于支持向量機(jī)理論的建筑物空調(diào)負(fù)荷預(yù)測(cè)模型。對(duì)廣州地區(qū)某辦公樓夏季不同月份的逐時(shí)空調(diào)負(fù)荷,分別用模型和神經(jīng)網(wǎng)絡(luò)模型進(jìn)行了訓(xùn)練和預(yù)測(cè)。仿真結(jié)果表明,模型具有更高的預(yù)測(cè)精度和更好的泛化能力,是建筑物空...

高強(qiáng)混凝土強(qiáng)度預(yù)測(cè)的支持向量機(jī)模型及應(yīng)用——高強(qiáng)混凝土的強(qiáng)度受多種因素的影響，其強(qiáng)度的預(yù)測(cè)是一個(gè)動(dòng)態(tài)性的系統(tǒng)工程。采用支持向量機(jī)理論，建立了高強(qiáng)混凝土的強(qiáng)度預(yù)測(cè)的支持向量機(jī)預(yù)測(cè)模型。并將該模型計(jì)算結(jié)果與實(shí)測(cè)混凝土28d抗壓強(qiáng)度、bp網(wǎng)絡(luò)計(jì)算的強(qiáng)度...

提出一種聯(lián)合灰色模型(greymodel,gm)和最小二乘支持向量機(jī)回歸(leastsquaresupportvectorregression,lssvr)算法的電力短期負(fù)荷智能組合預(yù)測(cè)方法。在考慮負(fù)荷日周期性的基礎(chǔ)上,通過對(duì)歷史負(fù)荷數(shù)據(jù)的不同取舍,構(gòu)建出各種不同的歷史負(fù)荷數(shù)據(jù)序列,并對(duì)每個(gè)歷史數(shù)據(jù)序列分別建立能修正β參數(shù)的gm(1,1)灰色模型進(jìn)行負(fù)荷預(yù)測(cè);采用最小二乘支持向量機(jī)回歸算法對(duì)不同灰色模型的預(yù)測(cè)結(jié)果進(jìn)行非線性組合,以獲取最終預(yù)測(cè)值。該方法在充分利用灰色模型所需原始數(shù)據(jù)少、建模簡單、運(yùn)算方便等優(yōu)勢(shì)的基礎(chǔ)上,結(jié)合最小二乘支持向量機(jī)所具有的泛化能力強(qiáng)、非線性擬合性好、小樣本等特性,提高了預(yù)測(cè)精度。仿真結(jié)果驗(yàn)證了所提出組合方法的有效性和實(shí)用性。

使用組合模型進(jìn)行了風(fēng)速預(yù)測(cè),然后在此基礎(chǔ)上進(jìn)行了風(fēng)電功率的預(yù)測(cè).利用灰色模型進(jìn)行風(fēng)速中確定性趨勢(shì)預(yù)測(cè),針對(duì)灰色gm(1,1)模型的建模機(jī)理和風(fēng)速預(yù)測(cè)特點(diǎn)對(duì)其進(jìn)行了改進(jìn),建立了改進(jìn)的灰色gm(1,1)風(fēng)速預(yù)測(cè)模型;同時(shí)使用支持向量機(jī)進(jìn)行風(fēng)速的隨機(jī)性預(yù)測(cè);用建立的組合預(yù)測(cè)模型輸出的風(fēng)速作為風(fēng)電功率預(yù)測(cè)的一個(gè)輸入,利用支持向量機(jī)模型進(jìn)行了提前一小時(shí)的風(fēng)電功率預(yù)測(cè).算例表明,該方法可有效提高風(fēng)速預(yù)測(cè)精度,進(jìn)而提高風(fēng)電功率的預(yù)測(cè)精度.

由于公路工程造價(jià)的影響因素錯(cuò)綜復(fù)雜,且歷史數(shù)據(jù)非常有限,使公路工程造價(jià)預(yù)測(cè)成為典型的小樣本條件下非線性回歸問題。針對(duì)傳統(tǒng)的回歸方法解決這類問題的不足,該文提出一種新型的公路工程造價(jià)預(yù)測(cè)模型。該模型基于最小二乘支持向量機(jī)的基本原理,結(jié)合公路工程的具體特征,實(shí)現(xiàn)了公路工程造價(jià)的智能化預(yù)測(cè)。新模型充分發(fā)揮了最小二乘支持向量機(jī)在解決有限樣本及非線性回歸問題中的優(yōu)勢(shì),建立了較準(zhǔn)確的預(yù)測(cè)模型,且訓(xùn)練速度較普通支持向量機(jī)更快。實(shí)證數(shù)據(jù)分析驗(yàn)證了本模型的有效性。

支持向量機(jī)(supportvectormachine,svm)作為一種新穎的機(jī)器學(xué)習(xí)方法已成功應(yīng)用于短期電力負(fù)荷預(yù)測(cè),然而應(yīng)用研究發(fā)現(xiàn)svm算法性能參數(shù)的設(shè)置將直接影響負(fù)荷預(yù)測(cè)的精度.為此在對(duì)svm參數(shù)性能分析的基礎(chǔ)上,提出了sce-ua(shuffledcomplexevolution-universityofarizona)支持向量機(jī)短期電力負(fù)荷預(yù)測(cè)模型建模的思路及關(guān)鍵參數(shù)的選取,在建模過程中引入了徑向基核函數(shù),簡化了非線性問題的求解過程,并應(yīng)用sce-ua算法辨識(shí)svm的參數(shù).貴州電網(wǎng)日96點(diǎn)負(fù)荷曲線預(yù)測(cè)的實(shí)際算例表明,所提sce-ua支持向量機(jī)模型不僅克服了svm參數(shù)選擇的盲目性,而且能提高預(yù)測(cè)準(zhǔn)確率,是一種行之有效的短期電力負(fù)荷預(yù)測(cè)模型.

采用eof時(shí)空分解、小波頻率分解和最小二乘支持向量機(jī)(ls-svm)交叉互補(bǔ)方法,建立夏季500hpa位勢(shì)高度場(chǎng)的預(yù)測(cè)模型,用以描繪和表述副熱帶高壓形勢(shì)場(chǎng)的形態(tài)和變化。首先用經(jīng)驗(yàn)正交函數(shù)分解(eof)方法將ncep/ncar再分析資料500hpa位勢(shì)高度場(chǎng)序列分解為彼此正交的特征向量及其對(duì)應(yīng)時(shí)間系數(shù),隨后提取前15個(gè)主要特征向量的時(shí)間系數(shù)(方差貢獻(xiàn)96.2%),采用小波分解方法將其分解為相對(duì)簡單的帶通信號(hào),再利用ls-svm方法建立各分量信號(hào)的預(yù)測(cè)模型,最后通過小波時(shí)頻分量重構(gòu)和eof時(shí)空重構(gòu),得到500hpa位勢(shì)高度場(chǎng)的預(yù)測(cè)結(jié)果以及副熱帶高壓形勢(shì)場(chǎng)的預(yù)測(cè)。通過對(duì)預(yù)測(cè)模型的試驗(yàn)情況和分析對(duì)比,結(jié)果表明:基于上述思想提出的算法模型能較為準(zhǔn)確地描述500hpa位勢(shì)高度場(chǎng)的形態(tài)分布并預(yù)測(cè)1～7d的副熱帶高壓活動(dòng),對(duì)10～15d的副熱帶高壓活動(dòng)預(yù)測(cè)結(jié)果也有參考意義。

建立了基于支持向量機(jī)(svm)理論的建筑物空調(diào)負(fù)荷預(yù)測(cè)模型。對(duì)廣州地區(qū)某辦公樓夏季不同月份的逐時(shí)空調(diào)負(fù)荷,分別用svm模型和bp神經(jīng)網(wǎng)絡(luò)模型進(jìn)行了訓(xùn)練和預(yù)測(cè)。仿真結(jié)果表明,svm模型具有更高的預(yù)測(cè)精度和更好的泛化能力,是建筑物空調(diào)負(fù)荷預(yù)測(cè)的一種有效方法。

針對(duì)防洪風(fēng)險(xiǎn)因風(fēng)險(xiǎn)主體而異的特點(diǎn),提出了防洪脆弱性的定義,選取影響臨災(zāi)破壞程度的因子建立了評(píng)價(jià)指標(biāo)體系,以所選指標(biāo)的自然斷裂法分級(jí)作為訓(xùn)練樣本,建立了基于支持向量機(jī)的評(píng)價(jià)模型。應(yīng)用實(shí)例的評(píng)價(jià)結(jié)果符合北江下游的防洪態(tài)勢(shì),說明了該模型方法的可行性、合理性和有效性。與傳統(tǒng)的計(jì)點(diǎn)系統(tǒng)模型相比,支持向量機(jī)模型的評(píng)價(jià)結(jié)果更接近實(shí)際情況。

由于中央空調(diào)系統(tǒng)的時(shí)滯性、時(shí)變性、非線性和大惰性等特性,使得當(dāng)前采用的中央空調(diào)負(fù)荷預(yù)測(cè)算法精度并不高,本文在江陰某樓宇空調(diào)系統(tǒng)節(jié)能改造項(xiàng)目的基礎(chǔ)上,從中央空調(diào)系統(tǒng)的組成和特性出發(fā),提出了基于支持向量回歸機(jī)（supportvectorregressionsvr）理論的中央空調(diào)負(fù)荷預(yù)測(cè)模型。對(duì)項(xiàng)目樓宇歷史負(fù)荷數(shù)據(jù)進(jìn)行分析,分別采用svr負(fù)荷預(yù)測(cè)模型和bp神經(jīng)網(wǎng)絡(luò)負(fù)荷預(yù)測(cè)模型進(jìn)行了訓(xùn)練和預(yù)測(cè)。預(yù)測(cè)結(jié)果表明：基于svr負(fù)荷預(yù)測(cè)模型較bp神經(jīng)網(wǎng)絡(luò)負(fù)荷預(yù)測(cè)模型精度更高,具有較強(qiáng)的實(shí)用性和可行性。

基于支持向量機(jī)方法的深基坑變形預(yù)測(cè)——提出了深基坑變形預(yù)測(cè)的一種新方法，即支持向量機(jī)方法．該方法根據(jù)有限的學(xué)習(xí)樣本，建立了各種影響因素和深基坑變形之問的一種非線性映射．基于已有的深基坑變形資料，采用支持向量機(jī)模型，對(duì)深基坑現(xiàn)場(chǎng)實(shí)例進(jìn)行了預(yù)測(cè)，...

支持向量機(jī)在公路軟基沉降預(yù)測(cè)中的應(yīng)用——針對(duì)公路軟土地基沉降發(fā)生的過程多變量、強(qiáng)耦合、強(qiáng)干擾、大滯后的復(fù)雜特性，提出利用支持向量機(jī)(supportvectormachine，svm)對(duì)公路軟基進(jìn)行沉降預(yù)測(cè)建模，使用加栽過程中的沉降觀測(cè)數(shù)據(jù)作為訓(xùn)練樣本集，建立可依據(jù)...

結(jié)合支持向量機(jī)模型和小波框架理論,建立了沉降預(yù)測(cè)模型,并對(duì)杭州市某小區(qū)的危舊建筑物進(jìn)行了沉降預(yù)測(cè),結(jié)果表明該模型預(yù)測(cè)精度較高,可以較好地預(yù)測(cè)建筑物沉降的發(fā)展趨向,適用于建筑沉降預(yù)警工作。