排序方式: 共有12条查询结果,搜索用时 15 毫秒
1.
根据生物免疫系统抗体识别抗原机理,提出基于人工免疫算法的边坡稳定性预测模型。将边坡稳定状态训练样本集定义为抗原集,边坡稳定性影响因素定义为抗体、抗原上的基因段,通过反复进行遗传计算操作,构建对边坡稳定性具有很好表达能力的记忆抗体集合。计算预测样本与记忆抗体集合之间的亲和力,利用K-最近邻法预测样本的稳定状态。同时构建自适应人工免疫算法,可有效提高模型的有效性和可靠性。实例分析证实自适应人工免疫算法能有效预测边坡稳定状态,其预测精度优于基本人工免疫算法,表明自适应策略的有效性。该方法可避免直接建立边坡稳定性影响因素与稳定状态之间复杂非线性函数关系,能有效降低建模复杂度,具有更好的实用性。 相似文献
2.
3.
4.
5.
6.
针对大坝变形数据的多尺度特征,将局域均值分解、样本熵及高斯过程算法应用于大坝变形预测中,提出了多尺度大坝变形预测新模型。首先利用局域均值分解算法对变形数据进行多尺度分析,挖掘变形数据隐含的信息,随后根据各变形分量特征,构建基于高斯过程的多尺度大坝变形预测模型,并利用样本熵对模型进行简化。通过实例分析,证实该大坝变形预测新方法精度高于BP网络和最小二乘支持向量机模型。 相似文献
7.
8.
罗亦泳 《浙江工业大学学报》2016,44(5):543-546
鉴于高斯过程在处理高维数、小样本和非线性等复杂的问题的突出表现,提出基于高斯过程的大坝变形预测新模型.详细分析基于GP的大坝变形预测模型构建过程,并建立预测结果的方差及置信区间的估计方法.将GP模型与多种大坝预测模型进行精度对比,并进行结果可靠性分析.通过实例分析可知,GP模型预测结果的精度指标优于其余方法,并且实测值均在估计的置信区间内.因此,证实GP模型是一种精度及可靠性高的大坝变形预测新方法. 相似文献
9.
10.
基于遗传支持向量机的多维灰色变形预测模型研究 总被引:1,自引:0,他引:1
多维灰色模型适合对多因素影响下的贫信息系统问题进行建模,但对多因素影响下的非线性变形系统建模和预测精不高,针对该问题进行分析研究.利用支持向量机算法建立多维灰色变形预测模型的残差与变形影响因素之间的非线性关系,对多维灰色变形预测模型的残差进行预测,并与多维灰色变形预测模型相加,对多维灰色变形预测模型进行修正,构建基于支持向量机的多维灰色变形预测模型.利用遗传算法优化支持向量机模型参数,提高支持向量机建模精度.该方法较好地解决了多维灰色变形预测模型精度不高的问题.把该模型应用于大坝变形预测,并与多种传统变形预测方法进行对比,结果证实该方法有效提高多维灰色变形预测模型的精度,且新模型精度远优于传统方法,是一种新的有效的变形预测模型. 相似文献