基于灰色关联支持向量机的混凝土抗压强度预测

混凝土抗压强度预测是一个动态的系统工程,其精度受到多种高维非线性、随机性因素的影响.为有效提高混凝土抗压强度的预测精度,在分析支持向量机的基础上,构建了基于灰色关联支持向量机的混凝土抗压强度预测模型.该模型基于灰色关联分析确定混凝土抗压强度的主导因素,然后通过支持向量机建立其与变量之间的非线性映射关系,同时利用网格搜索算法对支持向量机进行参数寻优.仿真结果表明:与单纯支持向量机和BP神经网络模型预测结果相比,基于灰色关联支持向量机的预测模型更为有效可靠,为提高混凝土抗压强度预测精度提供了新的途径.     

PSO-SVR在果酒生物活性物质预测中的应用

针对BP神经网络和遗传算法对果酒生物活性物质预测存在速度慢和精度低的缺点,建立了基于支持向量回归机(SVR)的果酒生物活性物质预测模型。鉴于支持向量机模型的精度和泛化能力很大程度取决于不敏感损失系数ε、惩罚系数C和RBF核函数的宽度系数γ三个参数,模型采用粒子群算法对三个参数同时进行优化,实现了果酒生物活性物质的非线性预测。仿真结果表明:基于PSOSVR算法的果酒生物活性物质预测模型性能优于所比较的BP神经网络模型和支持向量回归机模型,能有效提高果酒生物活性物质的预测精度和稳定性。     

基于数据依赖核支持向量机回归的风速预测模型

针对风速随机性大、影响因素多、预测准确度不高的情况,基于支持向量机与信息几何的统计学关联性,从信息几何学角度分析核函数的几何结构,构造数据依赖核函数,并与支持向量机回归相结合,形成数据依赖核支持向量机回归(Data Dependent Kernel-SVR,DDK-SVR)方法.将该方法用于风速预测中,建立DDK-SVR风速预测模型,并将预测结果与传统支持向量机、神经网络方法进行对比.结果表明,DDK-SVR方法具有更高的预测精度.     

GM-LSSVM模型在建筑能耗预测中的应用

为提高大型公共建筑能耗的预测精度,提出一种基于灰色模型和最小二乘向量机方法(GM-LSSVM)的办公能耗预测模型.该方法结合灰色建模计算简单的特点,以及最小二乘支持向量机非线性拟合能力和泛化能力强的优势,充分发掘样本数据的规律,并以粒子群优化算法进行模型参数选择.根据福州某大型公共建筑能耗数据,通过本研究提出的方法建立预测模型,并与神经网络模型以及最小二乘支持向量机模型的预测结果进行比较,验证了该方法具备较高的预测精度和较强的泛化能力.     

基于支持向量机的中长期电力负荷预测研究与应用

采用一种新的机器学习方法——支持向量机,建立了中长期电力负荷预测模型.阐述了支持向量机的基本内容,对影响电力负荷诸多因素的样本集进行了标准化处理和主因素分析(PCA).采用Libsvm训练了数据集,并与灰色预测GM(1,1)模型、多元线性回归模型、模糊ISODATA聚类模型和BP神经网络进行对比.结果表明,此算法有更高的准确性,可为电力负荷预测提供有效依据.     

基于支持向量机自回归分析的股市动态预测模型及其应用研究

针对股市的非线性和不确定性的特点,本文提出了一种基于支持向量机自回归分析的股市动态预测模型。该模型利用滚动时间窗动态截取股票时间序列,然后对其进行相空间重构,最后利用支持向量机回归算法,在高维映射空间中求解线性回归问题。利用上证综指的长期和短期数据对该模型的预测效果进行了验证,并将预测结果与RBF神经网络预测模型进行了的对比。预测和对比结果表明,支持向量机自回归预测模型具有较强的泛化能力,适合于股市预测。     

灰色系统非线性回归电力负荷预测

传统灰色预测模型GM(1,1)在预测增长较快的电力负荷时预测效果会变差。针对这一缺陷,提出了一种改进的基于灰色系统的非线性回归预测模型。将非线性回归与GM(1,1)模型二者的优点相结合,利用GM(1,1)模型计算参数初始值,进而对其进行非线性回归分析预测电力负荷值。电力负荷预测实例表明该模型具有较高的预测精度和较广的应用范围。     

基于灰色支持向量机的矿山安全事故预测研究

为了提高矿山安全事故预测的可靠性,在灰色预测模型GM(1,1)和支持向量机SVM的基础上,提出了矿山安全事故次数的灰色支持向量机G-SVM的组合预测模型.首先采用GM(1,1)进行数据趋势预测,然后对于残差序列采用支持向量机预测进行捕获,最后将两种模型的结果进行融合,得到组合预测结果.结果表明,组合模型比单一的GM(1,1)模型和SVM模型具有更高的预测精度.     

基于支持向量机的电力短期负荷预测

本文在分析了支持向量机基本原理的基础上,采用支持向量机采用回归算法建立了相应的预测模型,对某市电力负荷进行预测,并把预测结果和BP算法以及RBF算法的预测结果进行比较,证明了基于支持向量机回归算法预测模型的优越性。     

基于灰色关联支持向量机的地表沉降预测

基于隧道地表沉降是一个非常复杂的系统工程,受到多种高维非线性、随机性和有限样本等因素的影响,提出隧道地表沉降预测的灰色关联支持向量机分析方法.该方法基于灰色关联分析确定影响沉降量的主要因子,利用学习样本构建数值模型,并通过支持向量机学习建立沉降与随机变量之间的非线性映射关系.为避免人为选择参数的盲目性,采用模拟退火算法搜索支持向量机核函数和参数,进而对未来的变形进行预测.通过对工程实例样本进行学习和预测,并将误差结果与单一的支持向量机模型进行对比.研究结果表明:该方法科学可靠;可用于含有大量随机变量的隧道沉降分析.     

高速公路沥青路面使用性能马尔可夫概率预测

在整理和分析沈大高速公路路况多年普查数据的基础上,对应用引入回归技术的路面性能马尔可夫过程概率预测方法进行了探讨.提出了相应的北方高速公路路面损坏状况、路面行驶质量和路面综合状况的马尔可夫概率预测模型,并重点探讨了该模型的特点及实用性,得到“路面使用性能随时间基本呈负指数函数形式衰减”和“马尔可夫概率预测模型有一定的局限性和使用范围”的结论.     

考虑水膜厚度影响的道面轮胎间动态摩擦模型

针对考虑水膜影响的现有摩擦模型无法利用现场测试数据修正并应用于动态摩擦过程分析,提出了道面-轮胎间动态摩擦模型.该模型以平均集总Lugre模型为基础,考虑了水膜厚度、飞机速度、胎压、道面表面构造幅度和滑移率等因素影响下通过实验和数值回归等手段获取参数,用于道面动态摩擦性能的评价预估.通过上海浦东国际机场的现场实测数据,修正模型物理意义明确,具有较高的预估精度,该模型利用现场实测数据获取参数,适用于实际道面安全管理.     

基于灰色系统理论的沥青路面使用性能预测

采用灰色系统理论方法,分别对路面强度指数、路面状况指数和路面平整度指标进行了建模和预测.利用实际路面检测数据进行模型的检验和修正,并与传统的回归分析模型进行对比.结果表明,对于公路路面这种比较离散的技术状况评价指标值,采用灰色预测方法精度有较大的提高,能够满足路面使用性能预测的要求.     

机场道面使用性能的动态自回归预测模型

针对我国机场道面性能观测时间短,观测数据少,使用现有模型预测精度低,不能根据观测值动态更新预测模型等现状,提出了将卡尔曼滤波应用于时间序列预测的方法,建立了动态自回归预测模型,进行机场道面使用性能的预估.选取我国华东某机场的实测道面状况指数为基础数据,进行时间序列建模,应用卡尔曼滤波算法实现时间序列模型参数的实时更新,分析模型的预测效果.时间序列数据较少时,难以建立高精度的自回归模型,通过卡尔曼滤波处理建立的动态自回归预测模型精度明显提高.     

路面使用性能预测与统计分析

提出用重构背景值的GM(1，1)模型对路面使用性能试验数据进行预测，新的背景值计算公式的显著特点是使GM(1，1)模型具有对建模结果进行优化的能力，能获得最佳的拟合和预测精度。将获得的预测序列进行统计分析，为路面性能预测评价提供参考依据。实例计算结果说明，将重构背景值的GM(1，1)模型用于路面使用性能试验数据预测有很高的精度，为有效缩短试验时间提供了一个值得探讨的方法。同时从统计分析中可知，对数正态分布模型更适合于弯沉指标。     

高速公路路面使用性能预测模型的研究

分析了路面使用性能的变化趋势及影响因素,论述了高速公路路面性能预测模型及分类,并详细介绍了各类模型的作用。     

基于灰色模糊聚类法的路网路面使用性能评价

以路网内各组成路段的路面性能评价指标灰色关联分析结果为基础,借鉴灰色关联分析在模糊聚类理论中的应用方法,建立了路网路面使用性能评价模型.确定了灰色相似关系矩阵,并利用最大树法,得到了基于不同水平的聚类结果形成的谱系图,较为合理地反映了路网路面基本性能和状况分布.     

基于改进神经网络的水泥路面使用性能预测模型

为了克服传统水泥路面使用性能预测方法的缺陷和误差反向传播(BP)神经网络的不足,利用动量方法改进了BP神经网络收敛性,建立了水泥路面使用性能预测模型.采用广东水泥路面调查数据对模型进行了训练和验证,并对模型训练方法进行了优化.分析表明,该模型具有较好的实用性和预测精度.     

机场沥青混凝土道面剩余寿命预测方法研究

道面结构的剩余寿命是机场中长期维护和改造计划编制的基础,对于机场的运营管理和优化决策具有重要意义.基于“道面族”概念的道面状况指数(PCI)预测模型是目前应用广泛且发展得较为成熟的经验回归预测模型.但是,PCI预测模型的传统建模方法是以长期、大量的数据积累为基础的,而我国民用机场的道面评价工作则刚刚开始专业化、制度化,相关数据比较匮乏.因此,通过对道面使用性能衰变规律的研究,利用现有数据资源,以上海虹桥国际机场为依托,通过回归分析建立了沥青混凝土跑道道面的国际平整度指数(IRI)与累计交通量的关系和IRI—PCI关系.以此为基础,构建了机场沥青混凝土跑道道面的PCI预测模型,应用该模型能够较为准确地预测沥青混凝土跑道道面剩余使用寿命.     

用折衷规划进行路面管理的多目标优化

为实现有限资源约束下路面管理效益的最大化和费用的最小化,提出多目标优化方法.应用折衷规划的数学方法建立路面管理决策双目标优化模型,目标函数为路网平均路面性能和维修设备工作时间最大化,约束条件包括维修费用、人力以及最低路面性能等;通过路网养护维修数据对模型进行验证.计算结果表明,维修费用和维修人员的使用率分别达到92.8%和99.9%.该方法是路面管理的有效优化工具,能够实现路面管理的多目标决策.