SVM在张弦桁架施工变形预测中的应用研究

在介绍支持向量机的理论基础及其在时间序列预测中应用方法的基础上,建立一种基于支持向量机的结构变形预测方法。通过在某会展中心张弦桁架实际变形数据中的应用并与AR模型预测方法进行对比,验证了基于支持向量机的结构变形预测方法的准确性和优越性,该方法有较高的预测精度,并且在预测区间较长情况下同样有效,具有较大的研究意义并可以在实际预测中应用。     

供热负荷时间序列混沌特性识别及区间预报研究

对供热负荷时间序列进行了混沌特性分析,计算得到了吸引子维数和最大Lyapunov指数.在最大Lyapunov指数点预报法的基础上,提出了最大Lyapunov指数区间预报法,并给出了最大预报时间尺度.仿真结果表明,该方法可取得较高的预报精度和较高可靠度的预报区间.     

非线性时间序列分析及其在矿井涌水预测中的应用研究

根据梧桐庄煤矿涌水量数据,首先用R/S分析计算得到Hurst指数值为0.8627,表明该矿井涌水量变化趋势具有长期相关性和持续性;然后利用混沌时间序列的全域预测法对历年来的数据进行建模预测分析,计算得到了预测模型以及预测值,结果表明,预测数据和实际值误差较小。利用非线性时间序列分析可以揭示矿井涌水的非线性特征,并对其进行预测,从而为矿井涌水量的预测提供了一种新的方法。     

基于时间序列与PSO-SVR耦合模型的白水河滑坡位移预测研究

 滑坡位移预测模型的选择及其参数的选取是滑坡位移预测中至关重要的2个问题,以往的模型在预测滑坡位移时具有诸多的限制和不足。以三峡库区白水河滑坡为研究对象,基于时间序列分析方法,分离提取出滑坡趋势性位移与周期性位移。前者主要受控于滑坡的内部因素(物质组成、地质构造、地形地貌等),可用最小二乘法对其进行多项式拟合并预测;后者是由外部影响因素(季节性降雨、库水位变动等)导致,取当月降雨量、双月降雨量、库水位高程、月间库水位变化量、双月库水位变化量和年间累计位移增量作为周期性位移的影响因子,提出采用可优化选参的粒子群优化算法(PSO)与支持向量机回归(SVR)相结合的方法对其进行预测;将各分位移预测值叠加得到累计位移预测值。运用多种方法进行分析对比,结果表明,基于时间序列与PSO-SVR耦合模型的滑坡位移预测精度要明显高于BP神经网络模型、网格搜索法优化的支持向量机模型(GS),其在滑坡位移预测中具有一定的理论基础和良好的应用前景。     

基于时间序列支持向量回归模型的变形监测研究

论述了支持向量机的回归算法,提出了基于时间序列支持向量回归的变形预测方法,并在MATLAB 6.5中编制了相应的基于时间序列支持向量回归程序,建立了相应的基于时间序列支持向量回归模型。以实例数据讨论了基于时间序列支持向量机回归模型的预测方法。研究表明：用时间序列支持向量回归模型建立变形监测的预测模型是可行的和有效的。     

交通流量的混沌特性分析及预测模型研究

基于混沌动力系统的相空间重构和非线性系统的Volterra级数,分析交通流量的混沌特性,研究了一种交通流量的自适应预测模型。在合理选取嵌入维数和延滞时间实现交通流量时间序列相空间重构的基础上,应用小数据量法计算重构交通流量时间序列的最大Lyapunov指数,根据该指数值对交通流量的混沌特性进行分析,并采用庞卡莱截面法对分析结果进行验证;构建交通流量的Volterra预测模型,并采用LMS自适应算法对模型系数进行调整。通过对实际采集的高速公路交通流量数据的仿真研究表明,小数据量法能对交通流混沌特性进行准确判别,构建的二阶Volterra自适应预测模型能够有效地预测交通流量的变化。因此,在判定交通流量存在混沌特性时,可以应用论文构建的二阶Volterra自适应预测模型对其进行准确的预测。     

基于时间序列分析的滑坡位移预测模型研究

 结合滑坡位移监测数据,从分析滑坡位移演变规律的角度出发,将滑坡位移分解为受其自身基础地质条件控制的趋势项位移以及由外界因素如降雨、库水位变动等影响的周期项位移,应用时间序列分析方法建立滑坡位移预报模型。采用二次移动平均法分离滑坡位移的趋势项和周期项,在此基础上分别采用GM(1,1)灰色模型和自回归AR模型分别对滑坡趋势项位移和周期项位移进行预测,将计算得到的各分项位移预测值叠加即得到总位移预测值。以三峡库区八字门滑坡位移为例,分析对比实测与预测位移–时间曲线之间的关系。计算结果能够较好地体现出滑坡在外界诱发因素作用下位移的发展变化趋势,说明所建滑坡位移预测预报模型效果较好,在滑坡位移预测中是有效可行的。     

我国建筑业增加值时间序列的混沌预测

相空间重构是通过一维的时间序列反向构造出原系统的相空间结构,它的基本思想就是系统任一分量的演化是由与之相互作用的其他分量所决定的,而这些相关分量的信息就隐含在任一分量的发展过程中.建筑业系统变化过程是-个非线性变化过程,具有非常复杂的非线性动力学特征,因此对建筑业增加值的时间序列进行空间重构分析可以对建筑业整个系统有更全面的认识.通过计算关联维和最大Lyapunov指数分析,证实建筑业增加值时间序列的混沌特性.对建筑业增加值时间序列应用递归图进行定性分析,并用RBF神经网络进行单步和多步的混沌预测.预测结果表明:建筑业产业增加值季度时间序列的单步预测值和实际值比较接近,而多步预测效果差,即有短期可预测性、长期内不可预测.     

基于Lyapunov指数的交通量混沌预测方法

交通量预测分析已成为交通工程领域重点研究课题 ,智能运输系统的核心研究内容之一。在判定交通流量存在混沌的前提下 ,对交通量的实测数据进行相空间重构 ,而后在重构相空间上 ,利用基于Lyapunov指数的混沌预测方法预测交通量。苏州某交叉路口的交通量预测实例表明了该方法用于交通量预测的有效性和可行性     

基于灰色时间序列组合的隧道变形预测研究

随着各大城市地铁的兴建,各种工程事故相继发生,隧道开挖具有复杂性和特殊性,充分认识和掌握隧道围岩的变形规律,对于避免不必要的工程事故具有重要意义。本文基于隧道围岩施工期的变形监测数据,深入研究了时间序列分析、灰色系统理论和组合模型预测方法。结果表明,MGM(1,3)+AR(3)组合模型不仅能够反映数据序列的发展变化的趋势性,而且还能考虑数据序列随机波动的影响,组合模型拟合与预测的模拟预测精度高。研究成果为隧道围岩施工期和运行期的安全提供可靠依据,并未科学研究和理论计算提供参考。     

基于相空间重构的滑坡位移时间序列预测

本文基于滑坡时间序列位移,根据相空间理论构建位移时间序列矩阵,利用熵值理论求取熵值。通过熵值变化及位移预测误差反馈调整该时序相空间重构的嵌入维数,然后利用支持向量机学习创建支持向量回归机模型。并通过实例进行位移时间序列预测,预测效果好。     

基于混沌SVM与ARIMA的工程造价组合预测

为了解决工程造价预测的时效性问题,针对传统线性时间序列预测模型可靠性不高的缺点,引入混沌相空间重构和支持向量机技术,并将两者耦合组成一种非线性预测模型,再利用ARIMA在整体线性趋势预测方面的优越性,对非线性模型进行修正。混沌SVM和ARIMA预测构成组合模型的两个子过程,将两个子过程的预测结果综合平均即可得到最终预测结果。经实例计算,组合模型比最大Lyapunov指数、ARIMA和只将相空间重构与SVM进行耦合的方法拟合效果好,预测精度高,证明其的确具有线性趋势拟合和非线性波动拟合的双优势。     

瓦斯等级鉴定的混沌相空间重构预测技术研究

矿井瓦斯等级鉴定是确定煤矿属于低瓦斯矿井、高瓦斯矿井还是煤与瓦斯突出矿井以及预防煤矿瓦斯爆炸危险和矿井自然发火危险等的一个重要手段.论文针对柏林煤矿1989-2004年共16年矿井瓦斯等级鉴定的结果,采用了混沌相空间重构技术,提出了瓦斯等级鉴定结果预测的一种新方法,并成功预测了2005年瓦斯等级鉴定结果.证明了这种基于混沌相空间重构技术的新方法处理已有的瓦斯等级鉴定结果,预测来年的绝对和相对瓦斯涌出量是可行、可靠的.     

基于支持向量机的现金流时间序列预测分析

准确合理地预测现金流量是决策者面临的重要课题之一。文章通过采用支持向量机进行建模和仿真,利用滑动窗技术,对一汽轿车的现金流量预测进行了实证研究。研究结果表明,支持向量机模型在小样本条件下具有较好的预测效果。模型的拟合和预测效果与滑动窗发送器的尺寸和具体的权重函数选择有关。     

演化追踪法优化相空间的SVM供水量预测模型

相空间重构的支持向量机预测模型应用十分广泛,在城市供水量预测方面也占据着重要地位,传统的预测模型趋向于将重构的相空间整体带入,这样可能存在引入无效相点从而影响预测精度的问题,基于此将演化追踪法引入相空间重构的预测模型对有效相点进行筛选,优化预测模型的训练样本,达到提高预测精度目的。利用MATLAB编程软件将演化追踪法用于城市供水量的预测,预测结果的平均绝对误差由0.52%降低到了0.29%,证明了演化追踪法的可利用性与有效性。     

基于支持向量回归的锅炉出水温度时间序列预测

燃煤供热锅炉系统是一个非线性复杂系统,在实际应用中存在诸多优化问题.本文在分析锅炉系统工作过程及控制系统结构的基础上,结合锅炉参数的时序性特点,对时间序列进行相空间重构,构建训练样本数据对并建立基于支持向量回归的时序数据预测模型,从而实现对锅炉输出参数(出水温度)的预测.实际系统数据的仿真表明,该模型预测结果基本符合实际运行情况,可以为相关人员进行锅炉优化控制提供决策支持.     

一阶局域法在建筑物沉降预测中的应用

应用混沌时间序列预测方法,建立沉降预测的非线性混沌模型,介绍了局域一阶预测算法,并用这种算法对长安大学B点高层住宅楼实际沉降监测数据进行预测计算。结果表明,该方法不仅预测精度高,而且计算量小,相对容易操作。     

基于SVM的城市地下工程施工安全风险预测研究

为科学准确预测城市地下工程施工安全风险水平,开发一种基于支持向量机(SVM)模型的预测方法.利用Citespace对近5年相关文献进行了主题和关键词聚类分析,将聚类分析结果作为参考.基于4M1E事故要素理论,结合城市地下工程特点和专家意见,建立了契合地下工程施工实际的安全风险评价指标体系,从而构建了安全风险水平预测SV...     

基于支持向量机的公路隧道围岩变形预测

隧道围岩变形影响到隧道施工的安全,对隧道围岩变形进行预测,可作为指导隧道施工的依据。以江西某隧道围岩变形问题为研究对象,采用在小样本、非线性、高维模式识别问题中具有优势支持向量机理论建立模型,建立隧道围岩变形预测模型,结果显示,实测值与预测值相差很小,证明此方法有很强的实用性。