共查询到19条相似文献,搜索用时 62 毫秒
1.
2.
为了保证爆破作业时周围建筑物的稳定,需要提高对峰值爆破振动速度预测的准确性。运用Kennard-Stone算法优化训练样本,采用网络搜索算法获得支持向量回归机的最优惩罚系数和核函数参数,构建KS-GS-SVR的峰值爆破振速预测模型。结合湖北铜录山现场露天台阶爆破的振速实测数据,选取影响爆破振动速度的8个主要因素作为模型的输入变量,运用KS-GS-SVR模型进行峰值振速预测,并将KS-GS-SVR模型预测结果分别与GS-SVR、KS-GA-BP、KS-萨氏公式模型预测结果对比分析。结果表明,相比于GS-SVR的预测结果,KS-GS-SVR模型预测结果的平均相对误差降低了4.31%,说明Kennard-Stone算法通过优化训练样本提高了预测精度。KS-GS-SVR模型预测结果的平均相对误差为12.17%,明显低于其他模型,说明KS-GS-SVR模型学习和泛化能力更强,预测精度更高。所构建的预测模型可供类似工程爆破振速峰值预测借鉴。 相似文献
3.
由于中央空调系统的时滞性、时变性、非线性和大惰性等特性,使得当前采用的中央空调负荷预测算法精度并不高,本文在江阴某楼宇空调系统节能改造项目的基础上,从中央空调系统的组成和特性出发,提出了基于支持向量回归机(Support Vector Regression SVR)理论的中央空调负荷预测模型。对项目楼宇历史负荷数据进行分析,分别采用SVR负荷预测模型和BP神经网络负荷预测模型进行了训练和预测。预测结果表明:基于SVR负荷预测模型较BP神经网络负荷预测模型精度更高,具有较强的实用性和可行性。 相似文献
4.
5.
武文斌 《中国新技术新产品》2018,(3)
当今社会,属于第三产业的旅游业对社会的发展起着越来越重要的作用。酒店入住是旅游业发达与否的一个重要体现。本文从维多利亚酒店入住情况数据出发,应用支持向量回归机的方法对酒店入住情况相关的月度入住次数这一时间序列数据进行建模和预测,进一步计算预测结果的均方根误差来定量地评价预测精度。通过实验验证,我们可以对酒店入住情况进行较为精准的预测,为维多利亚酒店未来营业模式的安排提供有意义的参考。 相似文献
6.
7.
小样本数据的支持向量机回归模型参数及预测区间研究 总被引:6,自引:0,他引:6
支持向量机是由统计学习理论发展起来的机器学习算法,它从结构风险最小化的角度保证了模型的最大泛化能力.文中运用支持向量机进行小样本数据回归分析研究.首先利用推广性的界理论指导支持向量机回归模型参数的选取,以保证模型具有最大的推广能力;其次,运用基于正态分布和基于t分布的两种区间预测方法进行了预测值的区间估计;最后,利用模拟序列和真实的航空发动机油样光谱分析数据作为实验数据,建立了支持向量机回归分析模型,并与最小二乘法进行了比较.结果表明,所提出的支持向量机模型参数选取和区间估计方法适用于小样本数据的回归分析,具有较高的预测精度. 相似文献
8.
针对当前军用飞机NPD(Noise-Power-Distance)数据集成过程中面临小样本、小范围及数据失真问题,给出基于范例推理监督的支持向量机预测方法。用支持向量机作为数据回归与预测模型,通过范例推理检索出与目标范例相似的NPD数据,用相似范例来指导NPD数据的回归与预测。提出基于坡度的相似性检索、检验及修正方法,成功将范例推理的监督作用与预测模型有机结合,降低预测模型对数据样本的敏感性及依赖性。实例表明,该方法经济可行,能提高回归及预测精度。 相似文献
9.
为研究桩基爆破振动对邻近埋地天然气管道的影响,以荣乌高速公路第7标段红泉村3号大桥桩基爆破振动为研究对象,以水平距离、雷管段数、总装药量、最大单段装药量、桩基深度和爆心距作为主要因素,建立桩基爆破振动BP神经网络预测模型,以现场测试的15组数据为学习样本对模型进行训练,以5组数据为检测样本进行预测,并将预测结果与萨道夫斯基公式和高程修正公式进行对比。结果表明:BP神经网络、萨道夫斯基公式和高程修正公式预测平均相对误差分别为7.90%、27.68%和24.30%,BP神经网络比萨道夫斯基公式和高程修正公式预测精度分别提高71.43%和67.49%。 相似文献
10.
为研究南宁市某水利枢纽疏浚爆破对临近燃气管道产生爆破振动的衰减规律及其影响,采用爆破振动测试仪对爆破荷载下燃气管道的振动峰值速度进行监测。根据实测数据,利用线性回归与非线性回归方法进行分析。结果表明:运用回归分析得到的预测模型拟合精度较高,且非线性回归分析的预测模型比线性回归分析的预测模型精度高。非线性回归分析模型的相对误差为5.44%,线性回归分析模型的相对误差为6.38%。 相似文献
11.
12.
13.
在柔性机构(Flexibility Mechanism,FM)动态可靠性分析中,为了提高其计算精度和计算效率,通过融合蒙特卡洛和支持向量机回归理论,提出了一种新的SVM回归极值法(SVM Regression Extremum Method,SREM)。该方法借助ADAMS软件抽取FM动态响应极值的小样本,基于支持向量机回归理论建立FM动态响应极值的代理模型,使用此代理模型进行FM动态响应可靠性分析。最后,利用蒙特卡洛法、SVM回归极值法和另外两种方法对柔性曲柄摇杆机构的摇杆最大摆角可靠度进行分析。结果显示:在小样本情况下,SVM回归极值法的计算精度与MC相当,精度明显高于另外两种方法;SVM回归极值法的计算效率比MC大幅度提高,与另外两种方法计算效率相当。验证了在小样本情况下,SREM在FM动态可靠性分析中高效率和高精度。 相似文献
14.
15.
支持向量回归算法在梁结构损伤诊断中的应用研究 总被引:5,自引:3,他引:5
支持向量机算法具有很优秀的回归特性,所以将其应用于梁结构的损伤诊断方面。以模态频率作为特征参数,训练支持向量机实现对损伤的定位和程度标识,并通过对悬臂梁的损伤识别仿真计算进行了验证。结果表明:支持向量机在结构损伤诊断领域中具有很好的应用前景。 相似文献
16.
17.
该文利用具有良好小样本学习能力的支持向量机回归拟合结构响应的显式函数, 计算随机变量的灵敏度系数, 并结合蒙特卡洛法对结构响应的随机性进行分析。采用自适应混合粒子群法优化支持向量机相关参数取值, 提高了计算效率。通过两个工程算例验证了该方法的可行性, 并对比了训练样本抽样方法对计算精度的影响。算例结果表明:利用补充抽样方法抽取训练样本计算结构随机性得到的结果精度高, 拟合的概率密度分布曲线可以更好的反映真实情况;同时利用灵敏度系数研究了算例中不同随机变量对结构响应的敏感性。 相似文献
18.