最小二乘支持向量機(jī)砂土液化預(yù)測方法

偏最小二乘(pls)運(yùn)算降低電力負(fù)荷數(shù)據(jù)之間的相關(guān)性,最小二乘支持向量機(jī)(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(yùn)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(fù)荷預(yù)測模型的過程,并用于某地區(qū)2008年的用電日負(fù)荷預(yù)測,預(yù)測的平均相對(duì)誤差和最大相對(duì)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(fù)荷預(yù)測提供有效依據(jù)。

通過影響因素分析,確定了軟土層厚度、軟土層壓縮模量、地表硬層厚度、地表壓縮模量、路堤高度、路堤頂寬、路基填筑時(shí)間和填筑竣工時(shí)沉降量等參數(shù)對(duì)公路軟基沉降有影響。對(duì)公路軟基的觀測數(shù)據(jù)進(jìn)行分析和取樣,輸入樣本為各參數(shù),輸出樣本為路堤中線下地表沉降值,利用最小二乘支持向量機(jī)的非線性映射和泛化能力,通過訓(xùn)練,建立了公路軟基沉降預(yù)測模型。研究表明,所建立的模型對(duì)公路軟基沉降進(jìn)行預(yù)測具有較高的精度,同時(shí)具有很好的泛化性能。

基于支持向量機(jī)的砂土液化預(yù)測模型——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，...

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

針對(duì)在工程實(shí)踐中,應(yīng)用單一方法預(yù)測建筑物沉降存在著局限性,提出了基于最小二乘支持向量機(jī)回歸綜合單一方法預(yù)測沉降量。該方法能綜合單一方法的特點(diǎn),增強(qiáng)了模型的普適性,從而提高了預(yù)測精度和預(yù)報(bào)期次。文中討論了如何實(shí)現(xiàn)和運(yùn)用該方法,最后通過實(shí)例驗(yàn)證了其有效性。

隧道圍巖變形預(yù)測的最小二乘支持向量機(jī)方法——為及時(shí)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(shí)間序列預(yù)測模型--最小二乘支持向量機(jī)(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(shí)踐表明，該方...

為了獲得更理想的混凝土強(qiáng)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(jī)（lssvm）的混凝土強(qiáng)度預(yù)測模型。首先采集混凝土強(qiáng)度數(shù)據(jù),并進(jìn)行歸一化處理。然后采用lssvm對(duì)混凝土強(qiáng)度與影響因子之間的變化關(guān)系進(jìn)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(qiáng)度預(yù)測實(shí)例對(duì)其性能進(jìn)行分析。結(jié)果表明,本文模型可以準(zhǔn)確描述混凝土強(qiáng)度與影響因子間的變化關(guān)系,提高了混凝土強(qiáng)度預(yù)測精度,具有一定的實(shí)際應(yīng)用價(jià)值。

針對(duì)最小二乘支持向量機(jī)在利用產(chǎn)生于工業(yè)現(xiàn)場的非理想數(shù)據(jù)集進(jìn)行建模預(yù)測時(shí),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(gè)子類;然后計(jì)算每個(gè)子類中各樣本的可能貢獻(xiàn)度,依次從每個(gè)子類中選取具有最大可能貢獻(xiàn)度的樣本作為支持向量;最后更新每個(gè)樣本的可能貢獻(xiàn)度,繼續(xù)從各個(gè)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(jī)負(fù)荷實(shí)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(shí)現(xiàn)模型稀疏化的同時(shí),能夠顯著改善最小二乘支持向量機(jī)模型的魯棒性.

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

基于最小二乘支持向量機(jī)回歸的單樁豎向極限承載力預(yù)測——基于單樁載荷試驗(yàn)數(shù)據(jù)，采用最小二乘支持向量機(jī)(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(xiàn)中樁的載荷試驗(yàn)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(jī)(ls-svm)的來水量預(yù)測模型。實(shí)例應(yīng)用結(jié)果表明,該模型預(yù)測能力強(qiáng)、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。

根據(jù)沉降數(shù)據(jù)的特性,以最小二乘支持向量機(jī)為核心技術(shù)構(gòu)建預(yù)測模型,提出了一種路基沉降預(yù)測的新方法。由于測量誤差不可避免,沉降數(shù)據(jù)通常含有噪聲,不宜直接進(jìn)行擬合,因此首先采用小波分析的方法對(duì)原始沉降數(shù)據(jù)進(jìn)行降噪預(yù)處理,然后饋送到最小二乘支持向量機(jī)完成沉降預(yù)測。最后用某高速公路實(shí)測數(shù)據(jù)進(jìn)行了實(shí)例分析,并與bp神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果進(jìn)行了對(duì)比,計(jì)算結(jié)果表明,小波分析結(jié)合支持向量機(jī)的模型有較好的預(yù)測精度,將該模型應(yīng)用于公路軟基沉降預(yù)測是可行的和值得研究的。

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;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)測結(jié)果進(jìn)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(yùn)算方便等優(yōu)勢的基礎(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。

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(yàn)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(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(duì)預(yù)測模型的試驗(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位勢高度場的形態(tài)分布并預(yù)測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)測結(jié)果也有參考意義。

針對(duì)工程造價(jià)變化的時(shí)變性、混沌性,提出一種混沌理論和最小二乘支持向量機(jī)的工程造價(jià)預(yù)測模型.首先收集工程造價(jià)歷史樣本并進(jìn)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(shí)間和嵌入維數(shù),重建工程造價(jià)的訓(xùn)練集和測試集,最后用最小二乘支持向量機(jī)建立工程造價(jià)預(yù)測模型,并采用具體建筑工程造價(jià)數(shù)據(jù)進(jìn)行仿真測試.結(jié)果表明,相對(duì)其他工程造價(jià)預(yù)測模型,該模型可以很好地反映工程造價(jià)的變化趨勢,提高工程造價(jià)的預(yù)測準(zhǔn)確性.

最小二乘支持向量機(jī)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(jī)器學(xué)習(xí)算法—最小二乘支持向量機(jī)的原理,并針對(duì)預(yù)測pmv指標(biāo)建立了最小二乘支持向量機(jī)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(jī)預(yù)測準(zhǔn)確度高,計(jì)算過程速度快,可以滿足以pmv...

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。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,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(jī)更快。實(shí)證數(shù)據(jù)分析驗(yàn)證了本模型的有效性。

采用最小二乘支持向量機(jī)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(yàn)證方法優(yōu)化參數(shù),并用仿真實(shí)驗(yàn)驗(yàn)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(shí)現(xiàn)的問題,實(shí)現(xiàn)了水泥粒度的在線測量。

為實(shí)現(xiàn)建設(shè)工程造價(jià)的快速和準(zhǔn)確預(yù)測,此文提出基于模糊最小二乘支持向量機(jī)的建設(shè)工程造價(jià)預(yù)測方法。該方法可較好解決小樣本預(yù)測問題,適合于當(dāng)前工程造價(jià)樣本數(shù)據(jù)量少的現(xiàn)狀。通過隸屬度函數(shù)對(duì)樣本進(jìn)行模糊化和加權(quán),實(shí)現(xiàn)對(duì)歷史數(shù)據(jù)和相似數(shù)據(jù)的優(yōu)化選擇,提高了預(yù)測準(zhǔn)確性。將標(biāo)準(zhǔn)svm的二次規(guī)劃問題轉(zhuǎn)化為線性方程組求解,提高了預(yù)測速度。通過對(duì)某市地鐵建設(shè)中區(qū)間隧道延米造價(jià)估算實(shí)例的計(jì)算,驗(yàn)證了所提出預(yù)測方法的有效性。

根據(jù)齒輪箱故障時(shí)振動(dòng)信號(hào)特點(diǎn),提出了一種基于小波分解和最小二乘支持向量機(jī)(ls-svm)相結(jié)合的齒輪箱故障診斷方法。通過對(duì)齒輪箱振動(dòng)信號(hào)進(jìn)行小波分解,得到各分解節(jié)點(diǎn)對(duì)應(yīng)頻率段的重構(gòu)信號(hào)和節(jié)點(diǎn)的能量,并將各節(jié)點(diǎn)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(jìn)行故障識(shí)別。診斷結(jié)果表明:該方法能夠準(zhǔn)確地識(shí)別風(fēng)力發(fā)電機(jī)組齒輪箱的常見故障。

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(jī)(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(jì)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(jī)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(shí)際情況。試驗(yàn)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(shí)故障的難分辨問題,故障類型的正判率較高。

基于我國城市防洪體系安全評(píng)價(jià)的指標(biāo)體系及其等級(jí)標(biāo)準(zhǔn),提出了一種基于小樣本的最小二乘支持向量機(jī)(ls-svm)的城市防洪體系安全綜合評(píng)價(jià)模型。在柳州市防洪體系的實(shí)例應(yīng)用結(jié)果表明,該模型能較好地對(duì)城市防洪體系進(jìn)行綜合評(píng)價(jià),評(píng)價(jià)結(jié)果符合客觀實(shí)際。