首页 | 官方网站   微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 140 毫秒
1.
位移时序预测的APSO-WLSSVM模型及应用研究   总被引:3,自引:0,他引:3       下载免费PDF全文
引入改进的粒子群算法对小波核函数最小二乘支持向量机进行优化,提出了位移时间序列预测的改进粒子群优化小波最小二乘支持向量机预测模型(APSO-WLSSVM)。该模型具有小波变换的良好时、频域分辨能力和支持向量机的非线性学习能力;同时利用粒子群算法优化小波最小二乘支持向量机的参数,避免了人为选择参数的盲目性,从而提高了模型的预测精度。为证明该模型的优越性,将该模型与传统的高斯核函数支持向量机模型的预测结果作了对比,结果表明该模型较传统方法预测精度有了明显提高。最后将该模型用于锦屏一级水电站左岸边坡和导流洞进行变形预测,预测结果表明该方法科学可靠,在岩土体位移时序预测中具有良好的实际应用价值。  相似文献   

2.
《Planning》2014,(1)
提出了一种基于粒子群优化最小二乘支持向量回归机的三维无线传感器网络节点定位方法。该方法首先运用最小二乘支持向量回归机构建三维节点定位模型,再利用粒子群优化算法对最小二乘支持向量回归机核函数参数和规则化参数寻优。然后,根据若干虚拟节点定位的预测位置与实际位置的均方差构造粒子群算法适应度函数,通过有限次建模参数迭代寻优获得最小二乘支持向量回归机全局最优参数。最后,返回回归模型中进行定位计算,实现节点定位。仿真结果表明,所提出的方法与最小二乘和最小二乘支持向量回归机定位方法相比,可以提高节点定位精度。  相似文献   

3.
自适应协方差矩阵进化策略(CMA-ES)算法是一种引导式随机优化算法,兼顾了深度搜索最优解和广度搜索解空间的能力。针对采用遗传算法(GA)、粒子群优化算法(PSO)等仿生优化算法求解复杂结构可靠度时往往遇到计算代价过高的问题,基于结构可靠度指标的几何涵义并结合验算点法,提出了结构可靠度计算的自适应协方差矩阵进化策略方法。研究结果表明,该方法是可行的,具有全局性好、收敛速度快的优点,与遗传算法、粒子群优化算法相比较,可大幅度地提高计算效率,为结构可靠度计算提供了一条新的途径。  相似文献   

4.
《Planning》2014,(6)
为了提高二进制粒子群优化的收敛速度和收敛效果,提出一种新的改进二进制粒子群优化算法,该算法利用翻转角度作为进化条件,利用局部翻转因子和全局翻转因子来决定粒子群的收敛速度。实验证明,该方法具有更快的收敛速度和更佳收敛值。  相似文献   

5.
《Planning》2018,(2)
提出了一种新的使用粒子群算法改进最小二乘支持向量机(adaptive particle swarm optimization,APSO-WLSSVM)的复合算法,应用进化状态估计技术和变异操作改进粒子群算法,使得算法快速收敛于优化目标,具有良好的辨识效果。将所提出的方法与鲁棒最小二成向量机、最小二成相量机方法进行数值例子比较研究,结果证明了所提出的APSO-WLSSVM方法的有效性。  相似文献   

6.
《Planning》2017,(6)
为了满足差速器壳体的快速检测,对差速器壳体形位误差的在线测量方法进行了研究。在基本粒子群优化算法的基础上,引入了自适应惯性因数来改进粒子群优化的过程,并用于形位误差的计算。运用最小二乘法和最小区域法描述了圆柱度、同轴度等形位误差的评定算法。利用改进粒子群优化算法对误差目标函数进行求解。根据实际工程需要确定测量方案,搭建了测量平台。研究结果表明:该方法能够准确测得差速器壳体形位误差,并且减少了人为因素引入的误差。  相似文献   

7.
基于遗传算法的混合优化反分析及比较研究   总被引:8,自引:0,他引:8  
围绕优化反演分析中计算收敛速度、精度和稳定性问题,着重就传统和现代两类优化方法开展以下3方面的研究:(1) 将阻尼最小二乘法与遗传算法耦合起来,发展了阻尼最小二乘法-遗传混合算法;(2) 将两类混合优化方法:阻尼最小二乘法-遗传算法和模拟退火-遗传算法较早地用于优化反演分析;(3) 结合基坑工程算例,对单纯形法、阻尼最小二乘法、遗传算法、模拟退火-遗传算法和阻尼最小二乘法-遗传算法进行了比较分析。结果表明,与单纯形法等传统的优化方法相比,基于遗传算法的一类现代优化方法具有较好的全局收敛性;与常规的遗传算法相比,阻尼最小二乘法-遗传和模拟退火-遗传等算法有效地提高了优化反演的计算搜索速度和精度。  相似文献   

8.
《Planning》2019,(7)
针对轮毂识别系统前期图像特征提取误差较大时分类准确性降低的问题,提出了基于改进粒子群算法优化BP神经网络的轮毂识别模型。在标准粒子群中引入遗传算法的变异因子、惯性权重、时间因子、速度边界限制和反弹策略,以改进粒子群算法,从而提高寻找最优阈值与权值的性能。经过与不同算法的对比数据看出,采用改进粒子群优化BP神经网络算法的分类识别率比其他算法提高了9%左右,且收敛速度、收敛精度均有提高,证明了所提IPSO(improved particle swarm optimization)算法的有效性。  相似文献   

9.
彭祥国  唐艳梅 《工程勘察》2023,(1):58-61+73
针对BP网络用于GNSS高程拟合存在收敛速度慢、易陷入局部最优等缺陷,采用粒子群算法(PSO)优化BP神经网络。通过合理选取网络的权值和阈值,对系统的参数进行有效优化,提高网络的泛化能力和拟合准确度。在顾及EGM2008重力场模型的基础上,采取“移去—恢复”策略,用粒子群算法优化的网络进行高程拟合,并与二次多项式曲面拟合法、多面函数法和BP网络拟合方法所得结果进行对比,经工程实例数据验证,结果表明粒子群算法优化的BP网络模型拟合精度更好,可靠性更高,拟合效果较BP网络模型提高了25%,明显优于其它拟合模型,可为高程拟合研究提供新的思路和方法。  相似文献   

10.
基于遗传算法的混全优化反分析及比较研究   总被引:13,自引:2,他引:11  
围绕优化反演分析中计算收敛速度,精度和稳定性问题,着重就传统和现代两类优化方法开展以下3方面的研究:(1)将阻尼最小二乘法与遗传算法耦合起来,发展了阻尼最小二乘法-遗传耦合算法;(2)将两类混合优化方法,阻尼最小二乘法-遗传算法和模拟退火-遗传算法较早地用于优化反演分析;(3)结合基坑工程算例,对单纯形法,阻尼最小二乘法,遗传算法,模拟退火-遗传算法和阻尼最小二乘法-遗传算法进行了比较分析,结果表明,与单纯形法等传统的优化方法相比,基于遗传算法的一类现代优化方法具有较好的全局收敛性;与常规的遗传算法相比,阻尼最小二乘法-遗传和模拟退火-遗传等算法有效地提高了优化反演的计算搜索速度和精度。  相似文献   

11.
传统最小二乘无控制DEM匹配方法基于LZD算法实现,该类方法对基准DEM与待匹配DEM之间的初始匹配状态要求较高,其应用受到较大限制。为了解决该问题,提出了一种基于遗传算法的DEM粗匹配方法,结合遗传算法全局最优化的需要,设计了一种新的匹配模型,对最小二乘匹配方法的拉入范围、遗传匹配方法收敛效果和粗匹配效果进行了实验分析。结果表明,基于遗传算法的DEM粗匹配方法能够在基准DEM与待匹配DEM之间状态差异较大时,为最小二乘匹配方法提供合适的初始匹配状态。  相似文献   

12.
粒子群优化算法在桁架优化设计中的应用   总被引:3,自引:0,他引:3  
粒子群优化(PSO)算法是近年来发展起来的一种基于群智能的随机优化算法,具有概念简单、易于实现、占用资源低等优点。为了解决有应力约束和位移约束的桁架的尺寸优化问题,将PSO算法应用于桁架结构的尺寸优化设计。首先介绍了原始的PSO算法的基本原理,然后引入压缩因子改进了PSO算法,并提出合理的参数设置值。对几个经典问题进行了求解,并与传统的优化算法和遗传算法进行了比较。数值结果表明,改进的PSO算法具有良好的收敛性和稳定性,可以有效地进行桁架结构的尺寸优化设计。  相似文献   

13.
为了进一步提高油库消防系统的安全性,针对其火灾报警信息系统进行了改进,构建基于量子粒子群算法优化BP神经网络的火灾智能预警算法,以温度、烟雾浓度以及CO 浓度数据作为神经网络的输入,以无火、明火以及阴燃火的概率作为神经网络的输出。使用量子粒子群算法优化BP 神经网络运行中随机产生的权值和阈值,加快神经网络收敛到期望误差的速度,增强全局搜索能力。通过MATLAB 软件对智能火灾预警算法的模型进行仿真,模型输出的火情概率与实际值基本吻合。设计了多传感器数据采集设备,获取火灾现场数据,输入网络模型,能够有效识别明火、阴燃火和无火情况,验证了该算法可提高消防预警系统的准确性。  相似文献   

14.
Abstract: The particle swarm optimization (PSO) method is an instance of a successful application of the philosophy of bounded rationality and decentralized decision making for solving global optimization problems. A number of advantages with respect to other evolutionary algorithms are attributed to PSO making it a prospective candidate for optimum structural design. The PSO‐based algorithm is robust and well suited to handle nonlinear, nonconvex design spaces with discontinuities, exhibiting fast convergence characteristics. Furthermore, hybrid algorithms can exploit the advantages of the PSO and gradient methods. This article presents in detail the basic concepts and implementation of an enhanced PSO algorithm combined with a gradient‐based quasi‐Newton sequential quadratic programming (SQP) method for handling structural optimization problems. The proposed PSO is shown to explore the design space thoroughly and to detect the neighborhood of the global optimum. Then the mathematical optimizer, starting from the best estimate of the PSO and using gradient information, accelerates convergence toward the global optimum. A nonlinear weight update rule for PSO and a simple, yet effective, constraint handling technique for structural optimization are also proposed. The performance, the functionality, and the effect of different setting parameters are studied. The effectiveness of the approach is illustrated in some benchmark structural optimization problems. The numerical results confirm the ability of the proposed methodology to find better optimal solutions for structural optimization problems than other optimization algorithms.  相似文献   

15.
闫续  左勇志  霍达 《钢结构》2012,27(7):37-39
粒子群算法(PSO)是一种基于种群智能的优化算法。由于其具有快速收敛和操作简单等特点,粒子群算法在工程、经济管理等诸多领域均得到广泛应用,成为近年来智能计算领域研究的新热点。首先介绍粒子群算法,进而提出对于惯性权重进行线性变化。利用改进的粒子群算法对实际工程桁架结构进行尺寸优化以提高经济效益,并提出合理的参数设置。数据对比分析结果表明,改进的粒子群算法对于桁架结构尺寸优化设计是可行的。  相似文献   

16.
为弥补传统设计理念和优化方法的不足,促进空间结构的发展与创新,结合前沿优化理论,依据模拟植物生长算法(PGSA)的基本原理,提出基于生长空间限定与并行搜索的模拟植物生长算法(GSL&PS-PGSA),并与空间结构优化相结合,建立了基于GSL&PS-PGSA的空间结构优化方法。给出了相应的结构优化流程,并采用MATLAB及ANSYS二次开发语言APDL编制了优化程序。通过单层球面网壳截面优化和弦支穹顶预应力优化的典型空间结构算例分析,结果表明:所提出的GSL&PS-PGSA为算法提供了有效的终止机制,且具有高效的计算效率及全局搜索能力;与遗传算法(GA)、粒子群算法(PSO)、ANSYS自带优化方法以及其他改进PGSA算法等相比,GSL&PS-PGSA的优化效果更为显著且具有明显优势;所建立的基于GSL&PS-PGSA的空间结构优化方法,可适用于各类传统和新型空间结构体系的优化问题。  相似文献   

17.
Meta-heuristic optimization algorithms have attracted many researchers in the last decade. Adjustment of different parameters of these algorithms is usually a time consuming task which is mostly done by a trial and error approach. In this study an index, namely convergence factor (CF), is introduced that can show the performance of these algorithms. CF of an algorithm provides an estimate of the suitability of the parameters being set and can also enforce the algorithm to adjust its parameters automatically according to a pre-defined CF.In this study GA, ACO, PSO and BB-BC algorithms are used for layout (topology plus sizing) optimization of steel braced frames. Numerical examples show these algorithms have some similarities in common that should be taken into account in solving optimization problems.  相似文献   

18.
The response of rocks to stress can be highly non-linear, so sometimes it is difficult to establish a suitable constitutive model using traditional mechanics methods. It is appropriate, therefore, to consider modeling methods developed in other fields in order to provide adequate models for rock behavior, and this particularly applies to the time-dependent behavior of rock. Accordingly, a new system identification method, based on a hybrid genetic programming with the improved particle swarm optimization (PSO) algorithm, for the simultaneous establishment of a visco-elastic rock material model structure and the related parameters is proposed. The method searches for the optimal model, not among several known models as in previous methods proposed in the literatures, but in the whole model space made up of elastic and viscous elementary components. Genetic programming is used for exploring the model's structure and the modified PSO is used to identify parameters (coefficients) in the provisional model. The evolution of the provisional models (individuals) is driven by the fitness based on the residual sum of squares of the behavior predicted by the model and the actual behavior of the rock given by a set of mechanical experiments. Using this proposed algorithm, visco-elastic models for the celadon argillaceous rock and fuchsia argillaceous rock in the Goupitan hydroelectric power station, China, are identified. The results show that the algorithm is feasible for rock mechanics use and has a useful ability in finding potential models. The algorithm enables the identification of models and parameters simultaneously and provides a new method for studying the mechanical characteristics of visco-elastic rocks.  相似文献   

19.
建筑物内部发生火灾时环境复杂多变,传统疏散指示路径难以根据实际火场情况进行有效的路径规划,为此引入一种改进麻雀搜索算法。首先,根据实际火源位置设置麻雀算法预警值参数,实现算法路径规划过程中对于火源等危险区域的躲避。其次,对麻雀搜索算法位置更新公式进行优化,引入精英反向学习策略以及带有动态权重系数的正弦余弦优化算法,进一步针对麻雀搜索算法易于陷入局部最优解的问题进行改进。最后,采用栅格法搭建3种地图类型,将改进麻雀搜索算法与基本麻雀搜索算法、灰狼算法进行路径规划对比,得出该改进麻雀搜索算法在火灾复杂环境下有较好的危险区域躲避能力以及路径规划能力,在路径长度、拐点个数方面优于另外两种对比算法,在搜寻时间方面稍有不足。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司    京ICP备09084417号-23

京公网安备 11010802026262号