GA-SVR模型用于日供水量预测的研究

针对日供水量预测问题,提出一种基于遗传算法的支持回归向量机(GA-SVR)模型。以H市为例,采用GA-SVR模型对日供水量进行了预测,并与BP模型和SVR模型的预测值进行了比较。结果表明,H市日供水量预测值与实际值的误差均小于5%,且GA-SVR模型的预测精度高于BP模型和SVR模型。由此可见,GA-SVR模型是一种有效的预测日供水量的方法。     

基于改进GA-SVR算法的隧道工程三维弹塑性模型参数的智能辨识

将支持向量回归（SVR）算法引入岩土工程数值计算模型参数的辨识中可以充分发挥SVR算法的小样本、泛化性好和全局最优化的优点。但现阶段标准的SVR算法只能解决一维输出变量的回归问题，这就使其在反分析领域的应用受到限制。引入一种改进的SVR算法，这种算法通过将多维输出变量回归转化为多层标准一维输出变量回归来解决这个问题，并与十进制编码的遗传算法相结合，形成改进的GA-SVR算法，用遗传算法搜索最优的SVR模型参数以建立最优的待辨识参数与位移之间的非线性映射关系，然后用遗传算法进行待辨识参数的最优辨识。为对比这种改进GA-SVR算法的效果，将遗传算法与BP神经网络相结合，形成GA-BP算法且编制相应的计算程序。将这两种算法运用于同样的隧道工程三维弹塑性模型参数的智能辨识，数值算例表明改进的GA-SVR算法较GA-BP算法可以取得更高的辨识精度和更好的计算效率，可运用于类似岩土工程计算参数的辨识。     

基于稀疏高斯过程回归的强/台风作用下大跨度桥梁风振响应概率预测

针对有限元模型、风洞试验等难以实时预测风振响应的问题,提出基于稀疏高斯过程回归的强/台风作用下大跨度桥梁风振响应概率预测方法。该方法从数据驱动的角度出发,采用稀疏近似方法降低常规高斯过程模型存储空间,将风特性参数与风振响应的历史监测数据同时作为输入变量,并根据联合假设检验比较各变量的重要性程度以确定最终输入特征,进而实现风振响应的动态预测。采用苏通大桥2008年至2012年的七次台风数据对该方法的预测精度与效率进行验证。结果表明：稀疏高斯过程回归相对于常规高斯过程可有效减少模型训练时间;除风特性参数外,在模型的输入变量中考虑风振响应历史数据可进一步提高预测精度;相较于随机森林算法和多元线性回归,稀疏高斯过程回归表现出更好的预测性能。     

烃类物质自燃点的QSPR预测研究

应用定量构效关系(QSPR)方法对烃类物质的自燃点开展了预测研究.选取国际电工委员会数据库中的39种烃类物质作为样本集,随机选择34种作为训练集,5种作为测试集.采用遗传算法(GA)对变量进行筛选,结合线性和非线性方法分别建立多元线性回归(MLR)模型和支持向量机(SVM)模型,理论预测得到了5种烃类物质的自燃点.结果...     

基于RF-GA-SVM的医院集中供暖系统一次侧流量预测模型研究

医院集中供暖系统一次侧流量受多种不确定因素影响。为了降低输入空间维度、节约运算成本、提高预测精确度,提出了一种基于随机森林(RF)特征重要性评估-遗传算法(GA)优化支持向量机(SVM)参数算法的预测模型。首先利用RF算法对特征变量实施重要性评估,利用交叉验证法对特征变量进行过滤,构建供暖系统影响因素指标体系,其次利用遗传算法优化支持向量机参数建立回归预测模型(RF-GA-SVM),最后结合某医院集中供暖系统数据进行了实例分析并与RF预测模型、GA-SVM预测模型进行了对比。预测误差分析表明,本文提出的预测模型(RF-GA-SVM)降低了输入空间维度,避免了局部最优,提高了预测精确度。     

基于遗传算法优化支持向量回归机参数的供热负荷预测

为了进一步提高供热负荷的预测精度,通过分析影响支持向量回归机(SVR)性能表现的参数,提出了基于遗传算法优化的SVR供热负荷预测模型。该方法利用交叉验证思想在模型性能评估和选择方面的优势,结合遗传算法的全局寻优能力,实现了参数的自动优选,并用由此得到的最佳模型进行供热负荷预测。应用某热源的实测数据进行了仿真实验,与其他算法的比较表明,该方法相对误差绝对值的平均值为4.33%,比传统SVR降低了10.77%,比小波神经网络降低了5.28%。     

平滑伪Wigner-Ville分布和重排谱图的应用

针对基于Wigner-Ville分布存在受噪声影响大,存在交叉干扰项的缺点,提出其改进算法平滑伪Wigner-Ville分布和重排谱图应用其中,应用平滑伪Wigner-Ville分布处理其信号间的交叉项和受噪声污染的问题,后结合重排谱图提高其分析精度。     

用参数自整定模型在线检测空气处理机组故障

大型现代建筑大都安装了能源管理与控制系统(EMCS),EMCS系统储存的大量监控数据为空调系统的在线故障检测与诊断提供了方便。提出了一种利用参数自整定空调部件模型在线检测变风量空气处理机组故障的方法。利用遗传算法优化模型参数使模型预测数据与实测值数据的残差最小,因此空调部件模型有较高的预测精度。若模型预测数据与实测数据的残差超出了预先设定的阈值,就意味着变风量空气处理机组可能存在故障。针对在实际应用时确定故障检测阈值的困难,给出了用统计方法确定阈值的方法。故障检测方法在真实建筑中进行了应用和验证,结果表明该故障检测方法可以结合EMCS系统准确有效的检测变风量空气处理机组故障。     

建筑供暖耗热量缺失数据改进处理方法研究

建筑供暖耗热量是建筑能耗的重要组成部分之一。在研究工作中,如何有效处理好建筑耗热量数据缺失情况是研究人员需解决的重要问题。针对常规回归分析进行改进,基于偏相关分析、多元线性回归分析和主成分分析构建了缺失数据处理模型,提出了建筑耗热量缺失数据的处理方法,采用2栋建筑的实测数据对提出方法的有效性进行验证。通过构建对照组模型并采用绝对相对误差指标进行分析,结果表明根据以上方法建立的改进模型可有效完成缺失数据的填补工作,具备较高的精度。     

媒体重头文章概览

《土木建筑与环境工程》03/2013改进多程群遗传算法在墙土系统损伤识别中的应用针对墙土系统损伤识别方法进行研究,提出了一种基于改进多种群遗传算法的墙土系统损伤识别方法。首先,建立了墙土系统动测简化模型,同时对土体发生损伤时墙土系统的特征方程进行理论分析,基于系统的特征方程构造目标函数;其次,对多种群遗传算法进行改进,改进的内容主要包括采用实数编码、采用自适应交叉概率、采用自适应变异概率;最后,利用改进多种群遗传算法分别进行了无噪声条件和噪声条件下的墙土系统损伤