共查询到20条相似文献,搜索用时 250 毫秒
1.
2.
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。 相似文献
3.
4.
基于最小二乘支持向量机的降雨量预测 总被引:8,自引:0,他引:8
鉴于降雨量受众多因素的影响和具有复杂的非线性特点,提出将最小二乘支持向量机用于预测降雨量.最小二乘支持向量机(LSSVM)基于结构风险最小化,能够较好地协调经验风险最小化和学习机器VC维之间的关系,并且LSSVM在支持向量机(SVM)的基础上,通过将价值函数改为最小二乘价值函数,以及用等式约束代替不等式约束,将求解的二次规划问题转化线性方程组求解,采用径向基核函数,得到LSSVM模型的待定参数比标准支持向量机少,仅为2个.在Matlab环境下建立了最小二乘支持向量机的降雨预测模型.经实例验证,该模型收敛速度快、预测精度高.与基于RBF神经网络的降雨量模型相比,基于最小二乘支持向量机的降雨量模型具有更强的预测能力. 相似文献
5.
《南昌工程学院学报》2014,(6)
参数选择是支持向量机研究领域的重要问题,它本质上是一个优化搜索过程.以遗传算法和粒子群算法为基础探讨了基于两者的混合智能算法,将杂交操作、变异操作引入PSO算法中,同时,在种群随机搜索过程中嵌入确定性的模式搜索,使得算法可以在任何阶段进行精细搜索;在此基础上,提出了基于混合智能的最小二乘支持向量机方法(LS-SVM),以最小化k-fold交叉验证误差为评价函数,利用混合智能算法优化LS-SVM参数.最后结合实例对该方法进行了实证检验,并对结果进行分析. 相似文献
6.
基于遗传算法和最小二乘支持向量机预测泰东河日流量研究 总被引:1,自引:0,他引:1
向量机在解决小样本、非线性、高维数和局部极小点等问题中有着出色的性能,最小二乘支持向量机在向量机基础上减少了参数个数、降低了计算复杂度、缩短了运算时间。遗传算法对于非线性等复杂系统优化问题容易得到优化解。尝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泰东河日流量预测。实例表明此方法预报精度较高。 相似文献
7.
采用相空间重构理论计算实测月径流的延迟时间、嵌入维数、G-P饱和关联维数和Laypunov指数,证明克鲁伦河月径流时间序列存在混沌现象。混沌时间序列的最小二乘支持向量机预测模型涉及参数较少,计算过程简便,训练速度快。RBF神经网络预测模型具有较快的训练速度和较强的非线性映射能力。同时,二者在建模中都引用了径向基函数,从而更加简化了非线性问题的求解。实例表明:将这两种模型应用在月径流时间序列预测上,其运算速度都很快,但在预测精度上,最小二乘支持向量机预测模型要优于径向基神经网络预测模型。 相似文献
8.
9.
系统边际电价是电力市场的核心因素。为了减少样本数据中孤立点对回归性能的影响,将模糊隶属度的概念引入到最小二乘支持向量机中。同时采用网格搜索和交叉验证的方法寻找最佳参数组合,使算法性能达到最佳。以美国加州电力市场的实际数据作计算实例,分别采用标准三层BP神经网络和模糊最小二乘支持向量机进行系统边际电价预测,结果表明该方法有效提高了预测精度。 相似文献
10.
针对离心泵磨损机理错综复杂和高度非线性的特点,提出了基于最小二乘支持向量机的离心泵磨损特性分析方法,通过对算法的实现,建立了离心泵的磨损特性分析和几何参数优化的智能模型,模拟得到离心泵的磨损特性关系,分析了磨损随轮叶片几何参数的变化规律。与神经网络和普通支持向量机方法进行计算比较,结果表明,最小二乘支持向量机磨损预测模型得出的的平均相对误差只有0.005%,学习速度为12步,训练时间为1.1s,学习速度和预测精度得到了很大的改善。可为离心泵的磨损特性分析及其抗磨可靠性设计提供新的可行方法。 相似文献
11.
基于遗传学习算法和BP算法的神经网络在矿坑涌水量计算中的应用 总被引:12,自引:0,他引:12
本文采用遗传学习算法和误差反向传播算法(BP)相结合的混合算法来训练前馈人工神经网络(BPN),即先用遗传学习算法进行全局训练,再用BP算法进行精确训练,使网络收敛速度加快和避免局部极小。作为实例,本文将该方法运用于多维时序问题。根据山东省黑旺铁矿的矿坑充水条件建立了一个网络,以矿坑充水的各种控制因素相关资料作为样本,对网络进行训练并用训练好的网络预测矿坑涌水量。网络的训练速度及预测结果表明,该算法收敛速度较快,预测精度很高,为矿坑涌水量预报提供了一种新思路和新方法。 相似文献
12.
13.
Alasl MK Khosravi M Hosseini M Pazuki GR Nezakati Esmail Zadeh R 《Water science and technology》2012,66(9):1962-1967
Physico-chemical water quality parameters and nutrient levels such as water temperature, turbidity, saturated oxygen, dissolved oxygen, pH, chlorophyll-a, salinity, conductivity, total nitrogen and total phosphorus, were measured from April to September 2011 in the Karaj dam area, Iran. Total nitrogen in water was modelled using an artificial neural network system. In the proposed system, water temperature, depth, saturated oxygen, dissolved oxygen, pH, chlorophyll-a, salinity, turbidity and conductivity were considered as input data, and the total nitrogen in water was considered as output. The weights and biases for various systems were obtained by the quick propagation, batch back propagation, incremental back propagation, genetic and Levenberg-Marquardt algorithms. The proposed system uses 144 experimental data points; 70% of the experimental data are randomly selected for training the network and 30% of the data are used for testing. The best network topology was obtained as (9-5-1) using the quick propagation method with tangent transform function. The average absolute deviation percentages (AAD%) are 2.329 and 2.301 for training and testing processes, respectively. It is emphasized that the results of the artificial neural network (ANN) model are compatible with the experimental data. 相似文献
14.
为了解现有的砌筑砂浆强度检测方法的适应性,进行了试验研究。试验中主要采用了贯入
法、冲击筛分法检测普通粘土砖砌体28 d抹灰砂浆的强度,并辅以点荷法,立方体抗压强度予以对
比分析。结果表明,冲击筛分法可以用作普通粘土砖砌体28 d抹灰砂浆强度的检测,而贯入法需要
进一步研究,以获得准确的抹灰砂浆强度回归曲线,方可用于现场检测。 相似文献
15.
针对运用BP神经网络模型来编制水利定额存在收敛慢、精度低、稳定性差的缺陷,提出利用粒子群算法(PSO)来优化BP神经网络初始权值阈值的模型,优化模型结合了粒子群全局搜索能力和BP网络的局部探优能力。在运用MATLAB对算法模型进行编程中,首先确定模型的关键参数和开展数据的预处理,其次利用标准粒子群算法优化BP神经网络的初始连接权值阈值,最后将优化的连接值带入BP模型训练并预测,实验中连续运行了50次模型。结果表明:BP模型的双输出预测精度分别为11.13%和8.41%,有10次未达到目标精度;PSO-BP模型的双输出预测精度分别为5.65%和5.44%,全部达到目标精度。因而得出结论,PSO-BP模型比单纯BP神经网络的预测精度和稳定性更好,更适合用来指导水利定额的编制工作。 相似文献
16.
17.
针对传统结构损伤智能诊断方法所存在的缺陷,提出一种基于混合粒子群算法(HPSO)优化最小二乘支持向量机(LS-SVM)的结构损伤识别模型,并以混凝土梁为例,以模态参数及其相关量作为输入量,以损伤位置和程度作为输出量,建立起适应的映射模型。此外,为提高LS-SVM的泛化能力,应用HPSO对其核函数参数进行了优化。结果表明:应用HPSO优化LS-SVM所构建的模型具有识别精度高的特点。 相似文献
18.
将BP神经网络和遗传算法两种智能方法结合起来,建立起自适应遗传算法-BP神经网络系统。利用土工试验得到的不同土层物理力学参数汇总整理形成的试验数据作为样本值,对路基土层物理力学参数进行了预测,将预测结果和单独使用BP神经网络时的预测结果进行了对比分析。结果表明:当样本数据离散性小时,这两种预测方法均能取得理想的预测效果,自适应遗传算法-BP神经网络系统还具有有效防止“过训练”和提高网络自身的泛化能力;当样本规模大,且样本数据具有一定的离散性时,网络系统的预测优势能更好地体现出来。 相似文献
19.
滑坡体力学参数反分析研究 总被引:4,自引:0,他引:4
除室内试验和现场试验之外,反演分析是一种可以利用现有变形监测数据获取滑坡体等效力学参数的方法.以清江杨家槽滑坡体为例进行研究,提出了将均匀设计、遗传算法与BP神经网络结合起来应用于滑坡体反分析的新方法.先将具有很好全局寻优能力的改进遗传算法作为BP神经网络的学习算法,形成遗传神经网络;然后利用均匀设计方法设计网络学习样本,训练遗传神经网络映射滑坡体变形与滑坡体力学参数的非线性关系;最后将实测位移值作为网络输入,网络输出即为参数的反演值.该方法克服了优化反分析方法反演时间过长,解不易收敛等缺陷,实现了多参数的同时反演.通过对反分析结果进行检验与评价,证明其结果符合实际工程要求. 相似文献