果蝇优化算法与支持向量机在年径流预测中的应用

针对支持向量机(SVM)学习参数难以确定的不足,利用果蝇优化算法(FOA)搜寻SVM学习参数——惩罚因子和核函数参数,提出FOA-SVM预测模型,并构建基于粒子群优化(PSO)算法、遗传优化(GA)算法搜寻SVM学习参数的PSO-SVM和GA-SVM模型作为对比,以云南省董湖站年径流预测进行实例研究。结果表明,FOASVM模型预测精度优于PSO-SVM和GA-SVM模型,具有较高的预测精度和泛化能力。     

基于果蝇优化算法的支持向量机径流预测

为了提高径流预测的精度和可靠性,将支持向量机应用到单因子月径流预测建模中。针对支持向量机模型参数的选择费时费力且效果差的问题,利用全局寻优的果蝇算法优化选择支持向量机的惩罚参数和核参数,提出了基于果蝇算法优化支持向量机参数的FOA-SVM预测模型,并利用新疆某站的月径流历史数据进行了仿真测试。结果表明:与GA-SVM模型和PSO-SVM模型相比,FOA-SVM模型能够提高径流预测的效率与精度。     

灰狼优化算法在城市需水预测模型中的应用

城市需水预测是城市水资源规划、管理、决策的重要依据。为提升需水预测的准确性,提出一种基于最小二乘支持向量机(LSSVM)的非线性预测模型。针对灰狼优化算法(GWO)寻优过程易陷入局部最优的问题,采用一般性反向学习与非线性控制参数对其进行改进,以提升全局优化性能。改进后的GWO算法更适合应用于非线性模型参数的拟合,因此将其引入LSSVM需水预测模型,用来拟合模型的超参数。采用上海市近年来城市供水数据来检验模型,仿真结果表明提出的城市需水预测模型平均相对误差为0.78%,最大相对误差为1.37%,具有良好的泛化能力,可作为需水预测的一种有效方法。     

GPS高程拟合在水利工程中的应用

结合引水和灌溉工程实例,介绍了高程系统、GPS测高的基本思路、GPS高程拟合转换数学模型的建立和GPS高程拟合在水利工程测量中的应用。     

基于加权最小二乘的GNSS高程拟合模型分析

GNSS高程拟合多建立在经典Gauss-Markov 模型的基础上,没有考虑各观测值的影响因子,最小二乘解不是最优。为得到最优的最小二乘解,在二次曲面拟合模型的基础上提出了直接定权的方法,探讨了各类加权最小二乘模型的差异性,通过实验,将直接定权法与选权迭代法及加权递推最小二乘法进行了对比分析。结果表明,各种模型精度差异较小,直接定权简单实用,可在实际工程中推广应用。     

GPS高程拟合模型在带状区域中的应用

介绍了GPS测高原理,对GPS高程拟合方法中的平面拟合法、二次曲面拟合、多面函数法等模型的计算方法与精度进行了分析.将各种GPS高程拟合模型应用于黄河郑州段河堤的测量,拟合成果与水准成果比较表明:多面函数法效果最好、曲面拟合较好、平面拟合最差,多面函数拟合法是GPS带状高程拟合的最优方法.     

基于遗传算法和最小二乘支持向量机的水位流量关系拟合

试由遗传算法求解最小二乘支持向量机参数,再将最小二乘支持向量机应用于水位流量关系拟合。实例表明,此方法拟合精度很高,在水文资料整编中有着广阔的应用前景。     

基于DE-LSSVM的地下洞室群支护参数智能优化

为解决大型地下洞室群三维支护优化计算量大、耗时长的问题,提出了一种基于差异进化算法(DE)和最小二乘支持向量机(LSSVM)的三维支护优化方法。该方法利用正交设计和FLAC^3D三维数值模拟构造学习样本,再用差异进化算法搜寻最优的LSSVM模型参数,由此构建支护参数与评价指标之间的非线性映射关系,最后用差异进化算法从一定约束条件下的全局空间中搜索最优的支护参数。利用该方法对某水电站地下洞室群上部开挖支护参数进行了优化,提出了经济合理的支护参数,确保了工程开挖稳定,说明该方法在大型地下洞室群三维支护优化中具有良好的应用价值。     

最小二乘支持向量机参数反演方法及其应用

针对最小二乘支持向量机(LS-SVM)参数不易确定的问题,利用遗传神经网络模拟LS-SVM计算结果与参数之间的关系,提出了一种基于遗传神经网络(GA-BP)的参数选择方法,该方法利用正交分解法构建训练参数组,并将参数组代入最小二乘支持向量机以获得计算输出值,然后将计算输出值与训练参数组代入遗传神经网络进行训练并获得合适的LS-SVM参数。最后以土石坝渗流分析为例进行验证,结果表明该方法对优化选择最小二乘支持向量机参数十分有效,预测精度可达10-4。     

灰色最小二乘支持向量机在灌溉用水量预测中的应用

根据灰色理论(grey model,GM)所需原始数据少、建模简单、运算方便等优势,以及最小二乘支持向量机(least square support vector machine,LS-SVM)所具有的泛化能力强、运算速度快、非线形拟合精度高、参数优化好、小样本等优点,建立了灰色理论和最小二乘支持向量机组合预测模型,并将此模型应用于灌区用水量预测中。预测结果与实际结果吻合良好,验证了所提出组合方法的有效性和实用性,可以作为灌溉用水量预测的有效工具。     

基于最小二乘支持向量机的土石坝渗透系数反演

针对土石坝渗透参数和测压管水位间复杂的非线性关系,应用最小二乘支持向量机于土石坝渗透系数的反演。首先利用有限元模型得到最小二乘支持向量机的训练样本,建立坝体水压分量相对值和渗透系数间复杂的非线性关系,并将其输入到训练好的最小二乘支持向量机模型,即可得到大坝渗透系数的反演值。以某土石坝为例经对比分析,该方法是可行的。     

基于IFA-LSSVM的短期风功率预测

为避免风力发电随机性、波动性对电网调度的影响,同时基于风功率预测在微电网和风储系统等热点研究问题中的应用必要性,建立基于改进萤火虫算法(IFA)优化最小二乘支持向量机(LSSVM)的短期风功率预测模型.首先,利用混沌映射及步长因子自适应调整方法对萤火虫算法进行创新性改进,增强其全局搜索能力,又解决了局部震荡问题;其次,...     

基于遗传算法的支持向量机在径流中长期预报中的应用

支持向量机在径流中长期预报的应用中,普遍采用网格搜索法率定其参数,存在耗时较长、参数选取不当而导致预报精度低等问题,针对该问题提出了一种基于遗传算法的支持向量机模型,该模型结合遗传算法收敛速度快的特点对支持向量机参数进行优化选择,实现参数的全局自动化选取。应用乌江流域某电站的径流预报结果显示,相对于基于网格搜索参数寻优的支持向量机模型及神经网络模型,基于遗传算法参数寻优的支持向量机模型预报精度更高,泛化能力更强。更多还原     

基于IPSO优化LSSVM的水轮发电机组振动故障诊断

提出改进的粒子群(IPSO)算法，并与最小二乘支持向量机(LSSVM)相结合，得到基于IPSO-LSSVM的水轮发电机组故障诊断方法。改进后的粒子群算法能较好地调整算法在全局与局部搜索能力之间的平衡，将其应用于LSSVM的参数优化，可以提高故障诊断的精度和效率。实例分析结果证明，IPSO-LSSVM模型不仅能够取得良好的分类效果，而且诊断速度与精度均高于采用BP神经网络、LSSVM以及PSO-LSSVM等方法，适合在实际工程中应用。     

基于最小二乘支持向量机的大坝变形预测模型

变形是对大坝结构性态和安全状况最直接、可靠的反映,是大坝安全监测的重点项目之一.大坝变形具有较强的非线性特点,传统的预测方法有时精度不高.建立在统计学习理论和结构风险最小原理基础上的支持向量机算法能较好地解决小样本、非线性、高维数等问题.文章引入标准支持向量机的一种扩展——最小二乘支持向量机,参照传统逐步回归统计模型建...     

遗传算法与最小二乘支持向量机在年径流预测中的应用

为克服最小二乘支持向量机(LSSVM)依赖人为经验选择学习参数的不足,利用遗传优化算法(GA)选择LSSVM惩罚因子C和核函数参数σ2,构建GA-LSSVM年径流预测模型,并构建LSSVM、GA-BP和传统BP模型作为对比,以云南省河边水文站年径流预测为例进行实例研究,利用实例前30 a和后22 a资料分别对各模型进行训练和预测。结果表明:GA-LSSVM模型对实例后22 a年径流预测的平均相对误差绝对值和最大相对误差绝对值分别为3.13%、8.66%,预测精度优于LSSVM、GA-BP和传统BP模型。GA算法全局寻优能力强,利用GA算法优化得到的LSSVM学习参数可有效提高LSSVM模型的预测精度和泛化能力。     

基于GPS工程控制网点面拟合的跨河正常高差未知参数估计

利用全球定位系统(GPS)大地高差与水准正常高差之差的曲(平)面拟合模型,引入跨河正常高差未知数,通过最小二乘法一并求解,可以同时获得跨河点间正常高差未知参数估计和方差估计.通过2个工程实例,说明了文中计算方法优于一般计算方法,具有较高的实用价值.     

浆砌块石重力坝弹性模量两种反演方法对比研究

深圳赤坳水库的大坝为浆砌块石重力坝,经过多年运行,材料参数已经发生变化。为反演大坝目前的弹性模量,首次采用支持向量机和粒子群反演方法进行对比研究,利用实测数据进行大坝弹性模量反演。两种反演方法结果接近,相互验证说明反演结果是正确的,同时也说明了上述两种方法在浆砌块石重力坝的反演分析工作中的可行性。     

基于小波分解和支持向量机的大坝位移监控模型

常规大坝安全监控统计模型未能分别针对监测序列值内系统信号和随机信号特点进行模拟,故预报精度存在一定的提升空间。基于小波分解技术,利用监测序列值信号频率特征分离出系统信号与随机信号,并结合逐步回归与支持向量机(SVM)对不同信号的处理优势,在引入网格寻优与交叉验证确定SVM敏感参数的基础上,提出了一种基于多元统计结合小波分解和支持向量机的大坝位移监控模型,同时编制了其相应的计算程序。工程算例表明,该模型较常规模型能够同时考虑监测序列中的系统信号和随机信号,并且具有较强的模型寻优能力和更高的预报精度,从而验证了所建模型的有效性,该方法亦可推广应用于高边坡及大坝其他预警指标的监控。