基于粒子群最小二乘支持向量机的径流预测

为了处理好径流模拟预测中的确定性和随机性影响因素,提出了粒子群算法PSO(Particle Swarm Opti-mization)优化最小二乘支持向量机LS-SVM(Least Square SVM)参数的径流预测模型。PSO算法能够基于群体智能进行随机优化,计算简单易于实现且具有更强的全局优化能力。利用参数优化前后的LS-SVM模型,对新疆伊犁河雅子渡站23 a实测径流进行模拟,并对径流进行预测,结果表明,该模型收敛速度和预测精度令人满意。     

基于粒子群优化支持向量机的径流预测模型研究

径流预测的精度关系到研究地区的水资源开发利用.为了提高径流预测的精度,将基于统计学理论的模式识别方法支持向量机引入到径流预测模型中.支持向量机中有2个参数惩罚因子C和核参数,这2个参数的选择对支持向量机的模型结构有重要的影响.为了准确地找到支持向量机的参数,将全局寻优的粒子群算法引入到支持向量机的2个参数优化中来.实例研究表明,粒子群优化支持向量机模型能够提高径流预测的精度.     

基于PSO-SVM的水工隧洞施工成本预测

为了对水工隧洞工程施工成本进行精确预测,从工程、环境、市场以及管理4个方面分析了水工隧洞施工成本影响因素,构建了水工隧洞施工成本影响因素量化方法.采用粒子群算法(PSO)优化支持向量机(SVM)模型中的惩罚因子C和核函数参数g,建立基于PSO-SVM的水工隧洞施工成本预测模型.对比SVM模型的预测结果发现,PSO-SV...     

基于蚁群算法优化支持向量机的边坡位移预测

由于复杂工程地质条件和环境因素的综合影响,边坡变形呈现复杂非线性演变特征。借助支持向量机(SVM)可有效解决小样本、高维数、非线性等问题的优点,对边坡实测位移进行数据挖掘,预测边坡变形趋势。为了避免人为选择支持向量机模型参数的盲目性,提高模型预测精度和泛化能力,引入改进的蚁群算法(ACO)对模型参数进行寻优,结合位移时序滚动预测方法,建立了适合边坡变形预测的ACO-SVM模型。将该模型应用于2个边坡的位移预测,研究结果表明,ACO-SVM预测精度高,模型建立正确。与遗传算法、粒子群算法优化SVM的预测结果相比,ACO-SVM模型预测精度更高,具有更强的泛化能力,预测结果更加合理,在边坡变形预测中具有一定的工程应用价值。     

洞室围岩变形预测的ACA-LSSVM模型及工程应用研究

现场监测获得的围岩变形信息,从宏观上反映了洞室的力学性态变化。为克服人工神经网络方法的过学习问题,提出了一种新的洞室围岩变形预测模型--进化支持向量机模型。该模型利用蚁群算法来搜索支持向量机的惩罚因子和核函数参数,避免了人为选择参数的盲目性,提高了支持向量机的推广预测能力。应用该非线性智能预测方法,滚动预测围岩变形量,能及时发现异常情况,从而调整和优化施工步序,维护洞室的稳定性。将该方法用于锦屏一级水电站工程洞室变形预测,结果表明,该方法具有科学可靠、实时性的优点,具有广泛的应用前景。     

基于改进支持向量机模型的开都河年径流量预测

针对回归支持向量机(SVR)惩罚因子C和核函数参数g的选取对模型性能有着关键性影响以及在实际应用中存在参数选取等困难,提出基于启发式算法的PSO-SVR和GA-SVR年径流预测模型,以新疆开都河大山口水文站年径流预测为例进行实例研究。首先,利用DPS软件选取年径流影响因子,确定输入向量;其次,基于粒子群算法(PSO)、遗传算法(GA)基本原理,采用PSO、GA优化SVR惩罚因子C和核函数参数g,构建PSO-SVR和GA-SVR年径流预测模型,并构建基于网格划分(GS)与交叉验证(CV)算法相结合的GS-SVR模型作为对比模型。最后,利用所构建的模型对实例进行预测分析。结果表明:PSO-SVR和GA-SVR模型对开都河1996—2012年径流预测的平均相对误差绝对值分别为2.65%、3.22%,平均绝对误差分别为1.055亿m3和1.291亿m3,预测精度和泛化能力均优于GS-SVR模型,表明PSO和GA能有效对SVR惩罚因子C和核函数参数g进行优化,具有预测精度高、泛化能力强以及稳健性能好的特点。相对而言,PSO-SVR模型性能略优于GA-SVR模型。     

自适应变异粒子群算法与支持向量机在农业用水预测中的应用

为提高农业用水预测精度以及改善基本粒子群算法(PSO)的收敛性能,提出基于自适应变异(Adaptive Variation,AV)算法改进的PSO-SVR多元变量农业用水预测模型,以2000-2011年全国农业用水量预测为例进行实例研究。首先,选用3个典型函数测试AVPSO算法性能,并与基本PSO算法比较;其次选取粮食作物播种面积、水灾成灾面积等4个指标作为农业用水预测的影响因子,采用AVPSO算法优化SVR惩罚因子C和核函数参数g,构建AVPSO-SVR农业用水预测模型,并构建基本PSO-SVR、GA-SVR、GA-BP和传统BP模型作为对比模型;最后,利用实例前8年和后4年资料分别对各模型进行训练和预测。结果表明:1AVPSO算法的全局搜索能力有了明显提高,有效避免了早熟收敛问题。2AVPSO-SVR模型对实例后4年农业用水量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0.48%、0.78%,预测精度及泛化能力均优于PSO-SVR、GA-SVR、GA-BP和传统BP模型,AVPSO算法能有效对SVR惩罚因子C和核函数参数g进行寻优。     

排桩冻结法深基坑支撑轴力时间序列动态预测

结合润扬长江公路大桥南汊悬索桥南锚碇基坑采用排桩冻结法的工程实际，对深基坑支撑轴力监测数据，采用时间序列分析方法建立了时间序列动态预测模型，分析、预测基坑支撑轴力，及时修改设计方案，为该基坑的安全施工提供了技术保障，为排桩冻结法新技术应用于深大基坑工程提供了经验。     

基于ICBP神经网络的深基坑支撑轴力预测

依据ICBP神经网络理论建立了深基坑支撑轴力预测模型,对支撑轴力进行预测,并分析支撑轴力的变化趋势.以润扬大桥南汊南锚锭深基坑为例进行了实例分析,结果表明这种方法是可行的,可较准确地预测基础支撑轴力值.     

Wave Current Forces on the Pile Group Of Base Foundation for the East Sea Bridge, China

On the basis of the two structures of the bridge foundation designed for the East Sea Bridge, the wave current forces on four types of oblique piles, the pile group and the single piles at different positions in the pile group considering the effect of the super structures were experimentally investigated. The relationship between the wave current forces and the associated wave parameters, and the comparison of the wave current forces on the pile groups and the single piles were systematically analyzed. The group effectiveness and the reduction coefficient for the wave current forces on the group were examined for engineering design.     

广州某桥梁桩基偏位的受力性能分析

广州市南沙某河流岸边软基上修建的桥梁,因堤岸存在高差和岸基软土固结作用造成软土向河床侧流动,加之在靠近桥梁基础岸边侧进行沿岸道路的施工堆载及施工机械作用,更加剧了软土的侧向变形,造成桥基向河床侧发生了380 mm的水平位移。本文结合桥基偏位的监测数据,采用Midas/Civil软件对该桥基的受力性能进行分析,确定斜桩的...     

黄土地基中微型抗压与抗拔桩对比试验研究

微型抗拔桩是西北黄土地区光伏电站的一种典型锚固基础,为研究微型桩在抗压与抗拔条件下位移与受力性状的异同,在黄土地基进行了不同尺寸的抗压桩与抗拔桩的单桩竖向静载试验。试验结果表明:相同荷载作用下,抗拔桩的桩顶位移和位移增长速率均大于抗压桩,考虑桩顶上拔量得出的极限承载力低于按规范进行试验得出的结果,因此,在确定抗拔桩的极限承载力时应考虑桩顶上拔量;两种试桩桩身轴力随埋深分布曲线相似,即存在一个向下传递的过程;抗拔桩桩身中上部侧阻达到极限后会随着荷载的增加出现减小的趋势;抗拔桩桩端侧阻存在弱化现象,抗压桩桩端侧阻则存在强化现象。研究结果对黄土地区光伏电站微型抗拔桩锚固基础的设计与施工具有重要的参考意义。     

基于神经网络技术的桩基承载力预测模型及其应用

根据长期的工程实测资料,在分析小波概率神经网络(WPNN)与数据融合技术在预测单桩竖向承载力中的应用原理的基础上,建立了基于小波概率神经网络和数据融合技术的预测模型。利用静载实验数据对模型进行了预测,并对预测结果进行了误差分析,结果表明,预测的结果和静载实验数据吻合较好,从而证实了WPNN预测方法具有较好的可靠性和工程应用价值。     

海上风电机组多桩承台基础结构设计与参数优化分析

针对适用于软土海床地基条件的近海风电机组多桩承台基础结构型式,依据相关规范及工程经验,确定多桩承台基础结构尺寸设计原则,分析基础结构设计所应考虑的荷载及荷载组合方式,建立多桩承台基础结构分析模型,对基础结构设计的主要参数进行优化分析,为海上风电基础结构设计提供指导。     

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,...     

京沪高铁桩基沉降时间曲线反分析及预测

在京沪高铁项目中,针对深厚软土地层中的桩基工程,使用FLAC^3D建立的桩基模型进行计算。同时,利用桩基静载试验所得的沉降-时间曲线,在考虑土体存在蠕变效应时,结合位移反分析方法,对桩基土体参数和蠕变参数进行反演。在得到反演参数后,对桩基在长期荷载作用下的沉降进行预测。研究表明：①数值反演结果与实测结果比较相符;②使用反演参数对桩基长期荷载作用下的沉降进行预测,得出未注浆桩和注浆桩在长期荷载作用下的前期沉降量大,且基本达到最大沉降量,后期没有出现明显的蠕变效应。因此,建议可不需要通过注浆来对桩基的蠕变效应进行改善,且当在工期较为紧张时,可减少桩基静置时间。     

基于PSO-SVM的碾压混凝土坝变形预测模型

为提升大坝变形预测能力,提出了一种基于粒子群算法(PSO)优化支持向量机(SVM)的混凝土重力坝变形预测模型.通过粒子群算法对支持向量机惩罚函数C与核函数σ进行寻优,避免了拟合过程中易陷入局部最优解的问题,提高了模型的拟合精度.以新疆北疆某碾压混凝土坝2014年～ 2019年变形监测数据为例,建立了逐步回归、SVM、P...     

证据理论融合蚁群神经网络的水质预测方法

为了提高水质指标预测的精度,提出了证据理论和蚁群神经网络相结合的组合预测方法。用蚁群神经网络作为单一模型对水质指标进行预测,再由BP、RBF网络对预测误差进行分析建模,获取每个模型的可信度。利用证据理论获取单一模型的权值,实现水质指标的组合预测。该方法克服了常规BP算法收敛速度慢、易陷入局部极值的缺陷,能有效提高预测精度。