最小二乘支持向量機公路軟基沉降預(yù)測

基于最小二乘支持向量機回歸的基坑變形預(yù)測——將最小二乘支持向量機回歸用于基坑變形預(yù)測．根據(jù)基坑位移的實測時間序列資料，應(yīng)用最小二乘支持向量機回歸建立了基坑位移與時間的關(guān)系模型．研究結(jié)果表明，最小二乘支持向量機回歸用于基坑變形預(yù)測，具有較高的預(yù)...

由于公路工程造價的影響因素錯綜復(fù)雜,且歷史數(shù)據(jù)非常有限,使公路工程造價預(yù)測成為典型的小樣本條件下非線性回歸問題。針對傳統(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預(yù)測模型。該模型基于最小二乘支持向量機的基本原理,結(jié)合公路工程的具體特征,實現(xiàn)了公路工程造價的智能化預(yù)測。新模型充分發(fā)揮了最小二乘支持向量機在解決有限樣本及非線性回歸問題中的優(yōu)勢,建立了較準(zhǔn)確的預(yù)測模型,且訓(xùn)練速度較普通支持向量機更快。實證數(shù)據(jù)分析驗證了本模型的有效性。

針對最小二乘支持向量機在利用產(chǎn)生于工業(yè)現(xiàn)場的非理想數(shù)據(jù)集進行建模預(yù)測時,稀疏化模型魯棒性差的問題,提出了一種基于模糊c均值聚類和密度加權(quán)的稀疏化方法.首先通過模糊c均值聚類將訓(xùn)練樣本劃分為若干個子類;然后計算每個子類中各樣本的可能貢獻度,依次從每個子類中選取具有最大可能貢獻度的樣本作為支持向量;最后更新每個樣本的可能貢獻度,繼續(xù)從各個子集中增選支持向量,直至稀疏化后的模型性能滿足要求.仿真結(jié)果和磨機負荷實際應(yīng)用表明,該方法能夠兼顧模型在整體樣本集和各工況子集上的性能,在實現(xiàn)模型稀疏化的同時,能夠顯著改善最小二乘支持向量機模型的魯棒性.

基于最小二乘支持向量機回歸的單樁豎向極限承載力預(yù)測——基于單樁載荷試驗數(shù)據(jù)，采用最小二乘支持向量機(lssvm)回歸的方法，建立了單樁豎向極限承載力的預(yù)測模型．利用文獻中樁的載荷試驗數(shù)據(jù)來訓(xùn)練lssvm模型，并確定了模型參數(shù)．研究結(jié)果表明，同常用的bp網(wǎng)絡(luò)...

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

隧道圍巖變形預(yù)測的最小二乘支持向量機方法——為及時掌握圍巖變形趨勢并采取措施加以控制，在嶺南高速雪家莊隧道施工過程中，采用一種新的時間序列預(yù)測模型--最小二乘支持向量機(ls-svm)。介紹了ls．svm的基本原理和該預(yù)測模型的具體操作步驟，實踐表明，該方...

提出一種聯(lián)合灰色模型(greymodel,gm)和最小二乘支持向量機回歸(leastsquaresupportvectorregression,lssvr)算法的電力短期負荷智能組合預(yù)測方法。在考慮負荷日周期性的基礎(chǔ)上,通過對歷史負荷數(shù)據(jù)的不同取舍,構(gòu)建出各種不同的歷史負荷數(shù)據(jù)序列,并對每個歷史數(shù)據(jù)序列分別建立能修正β參數(shù)的gm(1,1)灰色模型進行負荷預(yù)測;采用最小二乘支持向量機回歸算法對不同灰色模型的預(yù)測結(jié)果進行非線性組合,以獲取最終預(yù)測值。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、運算方便等優(yōu)勢的基礎(chǔ)上,結(jié)合最小二乘支持向量機所具有的泛化能力強、非線性擬合性好、小樣本等特性,提高了預(yù)測精度。仿真結(jié)果驗證了所提出組合方法的有效性和實用性。

針對最小二乘支持向量機在電力負荷預(yù)測應(yīng)用中的參數(shù)優(yōu)化問題,將改進粒子群算法引入到最小二乘支持向量機參數(shù)中,建立一種新型的電力負荷預(yù)測模型(ipso-lssvm)。首先將最小二乘支持向量機參數(shù)編碼為粒子初始位置向量;然后通過粒子個體之間的信息交流、協(xié)作找到最小二乘支持向量機的最優(yōu)參數(shù),并針對標(biāo)準(zhǔn)粒子群算法的不足進行相應(yīng)改進;最后將其應(yīng)用于電力負荷建模與預(yù)測,并通過仿真對比實驗測試其性能。實驗結(jié)果表明,ipso-lssvm可以獲得較高準(zhǔn)確度的電力負荷預(yù)測結(jié)果,大幅度減少了訓(xùn)練時間,滿足電力負荷在線預(yù)測要求。

采用eof時空分解、小波頻率分解和最小二乘支持向量機(ls-svm)交叉互補方法,建立夏季500hpa位勢高度場的預(yù)測模型,用以描繪和表述副熱帶高壓形勢場的形態(tài)和變化。首先用經(jīng)驗正交函數(shù)分解(eof)方法將ncep/ncar再分析資料500hpa位勢高度場序列分解為彼此正交的特征向量及其對應(yīng)時間系數(shù),隨后提取前15個主要特征向量的時間系數(shù)(方差貢獻96.2%),采用小波分解方法將其分解為相對簡單的帶通信號,再利用ls-svm方法建立各分量信號的預(yù)測模型,最后通過小波時頻分量重構(gòu)和eof時空重構(gòu),得到500hpa位勢高度場的預(yù)測結(jié)果以及副熱帶高壓形勢場的預(yù)測。通過對預(yù)測模型的試驗情況和分析對比,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位勢高度場的形態(tài)分布并預(yù)測1～7d的副熱帶高壓活動,對10～15d的副熱帶高壓活動預(yù)測結(jié)果也有參考意義。

基于最小二乘支持向量機的砂土液化預(yù)測方法——使用最小二乘支持向量機分類方法建立了兩個砂土液化預(yù)測模型，預(yù)測結(jié)果與野外實際情況全部相符，表明該分類方法用于預(yù)測砂土液化是可行的，且預(yù)測準(zhǔn)確率高。

針對工程造價變化的時變性、混沌性,提出一種混沌理論和最小二乘支持向量機的工程造價預(yù)測模型.首先收集工程造價歷史樣本并進行相應(yīng)的預(yù)處理,然后根據(jù)混沌理論確定最優(yōu)延遲時間和嵌入維數(shù),重建工程造價的訓(xùn)練集和測試集,最后用最小二乘支持向量機建立工程造價預(yù)測模型,并采用具體建筑工程造價數(shù)據(jù)進行仿真測試.結(jié)果表明,相對其他工程造價預(yù)測模型,該模型可以很好地反映工程造價的變化趨勢,提高工程造價的預(yù)測準(zhǔn)確性.

基于最小二乘支持向量機的砂土液化預(yù)測方法——使用最小二乘支持向量機分類方法建立了兩個砂土液化預(yù)測模型，預(yù)測結(jié)果與野外實際情況全部相符，表明該分類方法用于預(yù)測砂土液化是可行的，且預(yù)測準(zhǔn)確率高。

最小二乘支持向量機在熱舒適性pmv指標(biāo)預(yù)測中的應(yīng)用研究——介紹了一種新型的機器學(xué)習(xí)算法—最小二乘支持向量機的原理,并針對預(yù)測pmv指標(biāo)建立了最小二乘支持向量機預(yù)測模型。該模型的預(yù)測結(jié)果表明,最小二乘支持向量機預(yù)測準(zhǔn)確度高,計算過程速度快,可以滿足以pmv...

針對神經(jīng)網(wǎng)絡(luò)存在結(jié)構(gòu)較難確定,訓(xùn)練易陷入局部最小等問題,提出將最小二乘支持向量機和相似搜索用于預(yù)測出清電價。該方法對相似搜索得到的相似負荷日的數(shù)據(jù)用最小二乘支持向量機建立預(yù)測模型,采用美國newenglandiso的真實數(shù)據(jù)做驗證,結(jié)果表明該方法比bp神經(jīng)網(wǎng)絡(luò)有更高的預(yù)測精度,是一種有效的預(yù)測方法。

偏最小二乘(pls)運算降低電力負荷數(shù)據(jù)之間的相關(guān)性,最小二乘支持向量機(ls-svm)可以獲得模型的全局最優(yōu)預(yù)測效果,減少預(yù)測過程的運算量。介紹了pls和ls-svm的基本原理,給出了pls-ls-svm建立短期日電力負荷預(yù)測模型的過程,并用于某地區(qū)2008年的用電日負荷預(yù)測,預(yù)測的平均相對誤差和最大相對誤差分別為0.685%和8.8599%。與基于ar(1)模型的預(yù)測結(jié)果相比,pls-ls-svm模型更高的預(yù)測準(zhǔn)確性可為短期電力負荷預(yù)測提供有效依據(jù)。

為了獲得更理想的混凝土強度預(yù)測結(jié)果,提出一種混沌粒子群算法優(yōu)化最小二乘支持向量機（lssvm）的混凝土強度預(yù)測模型。首先采集混凝土強度數(shù)據(jù),并進行歸一化處理。然后采用lssvm對混凝土強度與影響因子之間的變化關(guān)系進行建模,并采用混沌粒子群算法搜索最優(yōu)lssvm參數(shù)。最后采用具體混凝土強度預(yù)測實例對其性能進行分析。結(jié)果表明,本文模型可以準(zhǔn)確描述混凝土強度與影響因子間的變化關(guān)系,提高了混凝土強度預(yù)測精度,具有一定的實際應(yīng)用價值。

根據(jù)齒輪箱故障時振動信號特點,提出了一種基于小波分解和最小二乘支持向量機(ls-svm)相結(jié)合的齒輪箱故障診斷方法。通過對齒輪箱振動信號進行小波分解,得到各分解節(jié)點對應(yīng)頻率段的重構(gòu)信號和節(jié)點的能量,并將各節(jié)點能量組成的特征向量作為診斷模型的特征向量,輸入到ls-svm多類分類器中進行故障識別。診斷結(jié)果表明:該方法能夠準(zhǔn)確地識別風(fēng)力發(fā)電機組齒輪箱的常見故障。

采用最小二乘支持向量機的方法,利用現(xiàn)場測量的數(shù)據(jù),建立水泥粒度軟測量模型;通過交叉驗證方法優(yōu)化參數(shù),并用仿真實驗驗證了該方法的有效性,解決了非線性、小樣本、高維數(shù)等常規(guī)測量方法難以實現(xiàn)的問題,實現(xiàn)了水泥粒度的在線測量。

基于我國城市防洪體系安全評價的指標(biāo)體系及其等級標(biāo)準(zhǔn),提出了一種基于小樣本的最小二乘支持向量機(ls-svm)的城市防洪體系安全綜合評價模型。在柳州市防洪體系的實例應(yīng)用結(jié)果表明,該模型能較好地對城市防洪體系進行綜合評價,評價結(jié)果符合客觀實際。

為了提高變壓器故障診斷正判率,提出了一種基于小樣本的最小二乘支持向量機(ls-svm)多分類電力變壓器油中氣體分析(dga)法,即通過相關(guān)統(tǒng)計分析和數(shù)據(jù)的預(yù)處理,選擇變壓油中典型氣體作為ls-svm的輸入,然后利用典型故障氣體的體積分?jǐn)?shù)在高維空間的分布特性診斷變壓器故障類型。該法在小樣本條件下可獲得最優(yōu)解,泛化能力很好,且沒有傳統(tǒng)支持向量機只能分兩類的缺陷,很好地解決了變壓器多種故障共存的實際情況。試驗表明,該方法分類效果很好,可較好地解決變壓器放電和過熱共存時故障的難分辨問題,故障類型的正判率較高。

電解溫度、氧化鋁濃度和極距是鋁電解槽中十分重要卻又難以在線測量的3個參數(shù).針對這個問題,提出一種基于最小二乘支持向量機和粒子群優(yōu)化的新方法,建立這3個參數(shù)的軟測量模型.該方法考慮最小二乘支持向量機的算法參數(shù)的選取問題,先定義預(yù)測誤差的平方和的算術(shù)平均作為適應(yīng)度函數(shù),然后采用粒子群優(yōu)化技術(shù)在可行域內(nèi)不斷迭代搜索,使適應(yīng)值不斷減小,最終得到最優(yōu)的算法參數(shù),以及對應(yīng)的模型參數(shù).仿真結(jié)果表明:本文方法具有比神經(jīng)網(wǎng)絡(luò)方法更小的絕對誤差和相對誤差,證明了本文方法的有效性和優(yōu)越性.

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