共查询到10条相似文献,搜索用时 109 毫秒
1.
提出了一种基于小波分解-支持向量机(WD-SVM)的办公建筑空调负荷预测建模方法,利用小波分解将具有较强随机性和非线性的空调负荷信号进行分解,然后利用支持向量机对分解后不同频率下的分支数据进行预测建模,从很大程度上避免了由于训练样本不完备而导致的支持向量机预测精度波动。仿真结果表明,WD-SVM方法的预测精度评价指标EEP比单支持向量机法降低33.6%,预测精度有明显提升。 相似文献
2.
3.
4.
《岩石力学与工程学报》2015,(Z2)
受库水位周期性调度和降雨的影响,三峡库区部分滑坡的位移变形呈台阶状。针对滑坡的这种变形特征,提出一种基于诱发因素响应分析的进化支持向量机位移预测模型:应用移动平均法将滑坡总位移分解为趋势项位移和周期项位移,趋势项位移变化受坡体地质条件控制,应用多项式函数进行预测;周期性位移变化受诱发因素联合控制,选取变形主导因素作为影响因子建立进化支持向量机模型进行预测;将分项位移预测值叠加即为总位移预测值。以库区典型阶跃式滑坡——八字门滑坡为例,应用进化支持向量机模型进行预测研究。结果表明:诱发因素响应分析是滑坡位移预测的关键;基于诱发因素响应的进化支持向量机耦合模型在阶跃式变形期有较好的预测效果,是一种行之有效的阶跃式滑坡位移预测方法。 相似文献
5.
地理信息系统/遥感技术支持下三峡库区青干河流域滑坡危险性评价 总被引:7,自引:0,他引:7
以统计模型为基础、地理信息系统作为工具的滑坡灾害评价模式已经得到普遍认可和使用,数字高程模型(DEM)、遥感影像、区域地质调查资料已经成为区域滑坡评价研究的因子数据源。选择三峡库区青干河流域顺向坡滑坡多发地段为研究区,在滑坡编目数据库基础上,通过:(1)数字高程模型获取高程、坡度、地形聚水能力因子;(2)遥感影像获取植被指数;(3)区域地质调查资料、数字高程模型计算斜坡类型定量因子TOBIA指数及获取岩石地层单元因子。采用二分类变量逻辑回归评价方法对上述6种因子建立滑坡危险性评价模型,开展地理信息系统/遥感技术支持下顺向坡滑坡危险性评价研究。研究结果表明,根据模型概率值分布和已知滑坡发育关系,可以将研究区划分为高危险区、中等危险区、低危险区3个等级,高危险区包含70%已知滑坡,中等危险区包含14%已知滑坡,评价结果和实际滑坡发育情况吻合,合理地反映区内滑坡灾害发育的总体特征。 相似文献
6.
7.
《土木工程学报》2014,(Z1)
通过地理信息系统(GIS)技术,结合神经网络(NN)和逻辑回归模型(LR)开展汶川县范围内地震诱发滑坡易感性评价,并对两种模型结果进行比较研究。基于2008年5.12 Ms8.0级地震,选取高程、坡度、坡位、坡向、岩性、微地貌、距断层距离、距水系距离、距道路距离、年平均降雨量、归一化植被指数、地震峰值加速度共12个因子作为地震滑坡影响因子,基于ARCGIS10.1平台将这些影响因子专题图层栅格化;采用提取的模型训练样本,由R软件对神经网络(NN)和逻辑回归模型(LR)进行训练;将训练好的模型对整个汶川县地震滑坡易感性进行仿真,并将仿真结果划分为五类滑坡敏感区域:极低,低,中,高和极高,分别得到LR与NN模型仿真的滑坡易发性分区图;根据汶川县实际地震滑坡分布图进行统计分析,以及采用ROC曲线对两种模型的仿真结果进行对比分析,神经网络(NN)和逻辑回归模型(LR)的AUC值分别为0.930和0.941。研究表明两种模型的滑坡易感性评价图与实际滑坡发育基本吻合,评价结果较好,且LR模型预测精度相对较高。 相似文献
8.
9.
《Planning》2014,(7)
提出基于特征向量选择(feature vector selection,FVS)的稀疏最小二乘支持向量机(sparse least squares support vector machine,SLS-SVM)模型,解决最小二乘支持向量机(least squares support vector machine,LS-SVM)稀疏化问题。采用FVS在特征空间构建特征向量子集,对训练样本进行稀疏线性重构;将稀疏化的特征向量作为支持向量,从而实现对LS-SVM稀疏化建模。将SLS-SVM模型进行弓网系统的仿真对比实验,结果表明SLS-SVM模型在取得高预报精度的同时,可实现支持向量的高度稀疏化,从而加快模型预报速度。 相似文献