共查询到18条相似文献,搜索用时 184 毫秒
1.
2.
3.
《水电能源科学》2021,39(9):94-97,85
以某粘土心墙坝为例,提出了基于GPR-ARIMA-GA模型结合有限单元法反演高粘土心墙堆石坝材料参数的方法,利用高斯过程回归非线性模型(GPR)来表征材料参数与坝体沉降量之间非线性关系,从而在搜寻真实坝体材料参数时减少了有限元程序样本计算次数,提高了反演效率;为进一步提高GPR拟合精度,提出应用ARIMA模型对拟合误差进行修正;在构建GPR-ARIMA模型过程中,采用遗传算法(GA)来优化GPR模型超参数;在建立GPR-ARIMA模型后,二次应用GA全局搜索坝体材料参数的真实值。实例应用结果表明,该方法极大地减少了有限元程序计算量,且能够准确、快速搜索得到坝体真实材料参数,将最优材料参数代入有限元程序计算得到沉降量与实测值较为接近,验证了该方法可行、有效。 相似文献
4.
鉴于支持向量机(SVM)存在结构稀疏化不足、缺乏概率信息等缺陷,将性能更具优势的相关向量机(RVM)理论引入到大坝变形预测的应用中。选择高斯径向基函数作为RVM模型的核函数,核参数用基于模拟退火的混合粒子群算法(SAPSO)进行寻优,进而建立SAPSO-RVM回归预测模型。实例应用结果表明,RVM模型的向量数量远小于SVM模型,在保持良好泛化能力的前提下计算结构得到简化,混合粒子群算法相较于一般粒子群算法其全局寻优能力也有所提高,SAPSO-RVM模型回归预测精度较高。 相似文献
5.
6.
7.
针对现有风速预测精度不高等问题,选择一种组合核函数的支持向量机回归模型(SVR),根据粒子的适应度动态自适应地调节算法中惯性权重取值的改进粒子群优化算法优化模型参数,建立基于改进PSO-SVR的短期风速预测模型,通过实例研究验证该方法的有效性与实用性. 相似文献
8.
《水电能源科学》2021,39(10):110-113
针对极限学习机(ELM)沉降预测模型中随机权值和阈值导致部分节点无效的问题,引入改进粒子群算法(IPSO)优化极限学习机的参数,构建基于改进粒子群-极限学习机算法的面板堆石坝运行期沉降预测模型,并将其应用于某完建的面板堆石坝运行期沉降预测中。结果表明,与未优化的极限学习机预测模型和统计回归预测模型的拟合预测结果相比,经改进粒子群算法优化后的极限学习机预测模型在测点上的拟合精度更高,且由于引入改进粒子群算法后,极限学习机在满足精度条件下所需预设的隐含层神经元数更少,这可极大地降低模型网络的复杂度,避免模型在训练中出现过拟合现象;三个模型中IPSO-ELM模型的泛化能力更好,预测结果更精确、稳定。 相似文献
9.
精准的负荷预测对提高电网规划水平和准确指导投资具有重要意义。针对经验风险最小化的组合预测模型存在过拟合的缺点,提出了一种基于社会学习多目标粒子群优化算法,并利用偏最小二乘回归模型、支持向量回归模型、灰色预测GM(1,1)模型,引入权重的不确定性函数信息熵来表征期望风险,综合考虑经验风险和期望风险的组合预测模型。仿真结果表明,相比于单一预测模型和其他两种组合预测模型,所提方法具有更高的预测精度,社会学习多目标粒子群优化算法具有更强的全局搜索能力和优化性能。 相似文献
10.
11.
12.
13.
针对大坝变形原型监测数据的非线性和影响因子的相关性问题,提出一种基于模糊C-均值聚类(FCM)和相关向量机(RVM)的组合建模方法。首先用FCM方法对影响因子进行相似聚类,然后运用RVM算法分别对每一聚类样本进行训练学习得到对应的RVM模型,其中RVM算法中的核参数采用改进的粒子群(PSO)算法寻优。将各组合算法用于某重力坝典型坝段水平位移的安全模型构建中,并与多种模型预测结果对比,结果表明,FCM-RVM预警模型的预测精度较高。研究结果可为类似工程的大坝变形预警提供参考。 相似文献
14.
基于改进PSO-ELM算法的混凝土坝变形非线性监控模型 总被引:1,自引:0,他引:1
针对混凝土坝变形模型高度非线性问题,将极限学习机(ELM)用于混凝土坝变形监控模型的构建中,由于极限学习机的精度受输入权值和隐含层阈值的影响,引入改进的粒子群算法(PSO)进行最优求解,从而建立基于改进PSO-ELM算法的混凝土坝变形非线性监控模型。实例应用结果表明,该模型不仅可行、有效,且具有较强的学习能力和泛化能力。 相似文献
15.
A nonlinear multivariable model of a locomotive proton exchange membrane fuel cell (PEMFC) system based on a support vector regression (SVR) is proposed to study the effect of different operating conditions on dynamic behavior of a locomotive PEMFC power unit. Furthermore, an effective informed adaptive particle swarm optimization (EIA-PSO) algorithm which is an adaptive swarm intelligence optimization with preferable search ability and search rate is utilized to tune the hyper-parameters of the SVR model for the improvement of model performance. The comparisons with the experimental data demonstrate that the SVR model based on EIA-PSO can efficiently approximate the dynamic behaviors of locomotive PEMFC power unit and is capable of predicting dynamic performance in terms of the output voltage and power with a high accuracy. 相似文献
16.
建立合理的大坝变形预警模型对于大坝安全稳定运行意义重大。为提高预测精度,建立以相关向量机(RVM)为理论基础的时间序列非线性预警模型,采用一种精度较高的时间序列短期预测(自回归移动平均ARMA)模型修正RVM预测模型的误差序列,同时采用一种改进的粒子群算法(PSO)寻优核函数。实例验证结果表明,修正后的模型预测结果精度明显提高,可为类似工程提供参考。 相似文献
17.
鉴于大坝安全监测评价中相关向量机(RVM)模型性能的优劣取决于核函数选择的问题,采用混合核函数(即结合局部核函数和全局核函数)进一步提升RVM模型在大坝安全建模过程中的拟合预报精度,并采用改进粒子群算法对其寻优。经实际工程验证,基于混合核RVM理论的优化模型可在一定程度上提升模型的性能。 相似文献
18.
基于面板数据格式的特高拱坝变形性态分区方法 总被引:1,自引:0,他引:1
特高拱坝运行中受多因素协同作用,不同高程和区域的变形规律差异较大,坝体局部单测点的变形量并不能代表大坝整体的安全性发生变化。为此,综合考虑多测点、多测次监测量的内在关联性,构建了特高拱坝变形面板系列的表征方法;基于面板数据聚类理论,建立了大坝变形相似性指标及度量方法;利用熵权法构建大坝变形区域数的确定准则,提出了特高拱坝变形分区方法及实现步骤;通过利用特高拱坝两个维度的变形监测信息,将传统的"点"分析方法转变为区域分析方法。某特高抛物线双曲拱坝实例应用表明,该方法可根据39个变形监测点确定六大类测点,每类测点可以综合描述大坝对应区域的总体变形特征,再根据测点所在的位置将大坝分为六个变形区域,有效描述了特高拱坝的实际变形规律,可弥补传统分析方法上的一些不足,为特高拱坝变形分析提供了新方法。 相似文献