共查询到20条相似文献,搜索用时 218 毫秒
1.
2.
基于粒子群算法改进最小二乘支持向量机的工程投资风险评价模型 总被引:1,自引:0,他引:1
为了有效控制工程投资风险,有预见性地采取风险应对策略,通过粒子群算法优化最小二乘支持向量机的核函数参数和正则化参数,构建了一种工程投资风险评价模型。分别采用WBS和元分析法分析工程项目投资环境面临的内部和外部风险因素,并建立投资风险评价体系。根据工程实际情况采用专家打分法对17个已完工项目和4个新开工项目进行投资风险因素打分,将打分值归一化处理后作为最小二乘支持向量机的输入向量,4个新开工项目的风险评价值作为输出向量,根据评价值确定其对应的风险等级。结果表明,粒子群改进最小二乘支持向量机模型预测的平均误差为2. 48%,能够较准确地评价投资风险等级,为工程投资风险控制提供参考依据。 相似文献
3.
《Planning》2019,(4):459-463
为了实现对海上风电项目风险评估,提出了一种基于网络层次分析法的模糊综合评价法,通过实地的数据收集以及相关领域专家意见,设计综合评价的基本参量。以此为基础,对某海上风电场项目风险应用进行了研究。研究结果表明,该项目的风险处于中等风险,在最大隶属度原则下其最大评估值为0.335。 相似文献
4.
财政、预算部门对财政支出进行项目绩效评价是其判断财政支出产出和效果的重要工作内容之一。但在现阶段的财政支出项目绩效评价工作中,尚未做到经济有效地对全部项目的评价。在现有评价方法基础上,提出一种基于优化相关向量机的财政支出项目绩效评价方法,利用相关向量机较小样本空间即可满足训练要求的优点,以专家评价项目作为训练样本,通过训练、遗传算法优化得出最佳相关向量机预测模型,应用最佳相关向量机预测模型实现对全部项目的评价,避免了现有项目绩效评价方法对全部项目进行评价时专家成本高、评价时间长等不足,实现了全部项目的无偏差绩效评价,评价过程更为客观和公正。实例研究结果表明,采用该方法进行的财政支出项目绩效评价结果与传统专家评价结果基本一致,准确率较高。 相似文献
5.
6.
7.
风电项目不仅能够缓解能源短缺问题,还可以降低环境污染,是实现“双碳”目标的重要途径。但风电项目的风险同样不容忽视,而设计阶段的成功与否能够影响项目全生命周期的风险与收益。采用专家调查法对风电项目设计阶段风险因素进行识别,并建立风电项目设计阶段风险指标评价体系。在此基础上结合模糊理论,建立风电项目风险因素评价突变模型,并将该模型应用于风电项目设计阶段风险评价。通过风险评价,可以在设计阶段发现风电项目的总体风险及主要风险源,为有效控制风电项目风险提供依据和对策。 相似文献
8.
9.
10.
11.
12.
以宏腾西乌风力发电项目为例,采用层次分析法对宏腾西乌风力发电项目的风险进行了分析,建立了风险分析模型,并对各风险因素之间的关系进行了对比,计算了相互之间的权重关系,进而确定了项目各因素的风险等级。 相似文献
13.
支持向量机方法是基于统计学习理论和结构风险最小化原则的学习方法,在回归预测方面具有良好外推能力,并且适合小样本的统计学习问题。建立支持向量机预测模型,对边坡位移进行预测计算,将预测值和实测值对比分析,验证了支持向量机预测模型较强的外推能力和预测计算的有效性。通过对边坡位移初始时序位移数据进行灰色理论的累加生成和累减生成处理,形成新的时间序列数据,在此基础上,计算出预测值,并与基于初始时间序列的支持向量机预测结果对比分析,基于新生成的时间序列数据进行预测计算结果精度明显提高。基于边坡位移监测数据构建训练样本数据集,研究了训练样本数据集的选取对预测结果的影响。对支持向量机预测模型的关键参数进行敏感度分析,并采用进化算法–微粒群算法对支持向量机模型参数加以优化,提高了预测精度。 相似文献
14.
15.
根据岩爆预测的特性,引入了支持向量机SVM的新方法,研究了支持向量机的基本原理及其在岩爆预测中的模型建立,通过某工程的实际应用证明:支持向量机在岩爆预测中取得了较好的效果。 相似文献
16.
Accomplishing construction projects successfully requires continuous monitoring and control by construction managers of factors critical to project success. This research proposed using an Evolutionary Support Vector Machine Inference Model (ESIM) to predict project success dynamically. ESIM is a hybrid that integrates a support vector machine (SVM) with a fast messy genetic algorithm (fmGA). SVM is concerned primarily with learning and curve fitting, while fmGA deals primarily with optimization. Furthermore, the model integrates the process of Continuous Assessment of Project Performance (CAPP) to select factors that influence project success. Training and test patterns were collected from a CAPP database of 46 construction projects. These projects represent real data collected by Russell from 16 company members of the Construction Industry Institute (CII). Results show that ESIM is able to predict project success at a significant level of accuracy. 相似文献
17.
18.
19.
In order to monitor the operating conditions of the construction industry, this paper incorporates the principal component analysis (PCA) and support vector machine (SVM) to predict the profitability of the construction companies listed on A-share market in China. With annual financial data in 2001–2012, this paper selected six indicators from different profitable perspectives to build a composite profitability index based on the PCA technique, and then established a SVM model to make the corporate profitability prediction of the construction companies in China. The results indicate that, the technical combination of the PCA and SVM can improve the profitability prediction significantly. In 2003–2012, the accuracy of predicting the profitability of the Chinese construction companies exceeded 80% on average. Compared with the artificial neural network (ANN), the SVM model has the superiority in the accuracy prediction of the Chinese construction companies. 相似文献
20.
针对公路隧道火灾样本量少、深度学习效果不理想的问题,研究一种小样本学习技术,以提高对隧道火灾样本的利用率,并在此基础上利用成熟的机器学习方法,提出一种基于自注意力的隧道视频火灾识别技术。该技术采用自注意力机制结合SVM分类器搭建火焰识别模型,该模型针对各项特征对火焰识别的重要性分配不同的注意力权重,形成注意力矩阵,并将权重矩阵与特征向量的值相加权,通过SVM的Hinge Loss进行线性支持向量机分类,对公路隧道火灾进行识别和预警。在火灾识别训练过程中,通过对火焰疑似区域进行检测,并利用数据增强技术达到样本扩增的目的,随后采用多通道融合的特征提取方式构建特征向量,输入设计的自注意力火焰识别模型中,通过梯度下降优化器进行小批量模型训练,降低迭代次数,最终获得最优特征权重参数,得到最佳识别模型。试验结果表明,该方法在模型训练时收敛较快,在火焰识别时相比未使用小样本学习的传统SVM算法,准确率提高了5%,因此能在小样本环境下有效提高火灾识别的准确度。 相似文献