基于PSO优化LSSVM在基坑开挖过程中周围建筑物沉降预测研究

本文提出一种用粒子群优化算法来确定LSSVM参数的方法。该方法是在对LSSVM进行分析的基础上,融合PSO的群搜索特征来提高LSSVM预测精度。文章最后采用昆明市某基坑周围建筑物沉降数据对此模型进行了验证,并与其他算法进行了对比分析,计算结果表明用该模型进行沉降预测相比其他算法具有较快的收敛速度和更高的预测精度。     

基于改进粒子群算法的SVR参数优化选择的研究

支持向量回归机(SVR)模型的拟合精度和泛化能力取决于其相关参数的选取,由于在参数的选择范围内可选择的数量是无穷的,在多个参数中盲目搜索最优参数是需要极大的时间代价,并且很难逼近最优。因此提出了基于改进粒子群算法的SVR参数优化选择方法。仿真结果表明:该改进粒子群算法优化SVR参数方法可行、有效,由此得到的SVR模型具有更好的学习精度和推广能力。     

基于改进粒子群算法的SVR参数优化选择的研究基于改进粒子群算法的SVR参数优化选择的研究

支持向量回归机（SVR）模型的拟合精度和泛化能力取决于其相关参数的选取,由于在参数的选择范围内可选择的数量是无穷的,在多个参数中盲目搜索最优参数是需要极大的时间代价,并且很难逼近最优。因此提出了基于改进粒子群算法的SVR参数优化选择方法。仿真结果表明：该改进粒子群算法优化SVR参数方法可行、有效,由此得到的SVR模型具有更好的学习精度和推广能力。     

SVM分类器在继发性干燥综合征诊断中的应用

本文为解决SLE患者并发继发性干燥综合征不易诊断及确诊主观性较强等问题,提出了一种可供计算机学习的支持向量机智能算法预测诊断模型。首先对材料中141名患者的26种相关诊断指标进行数据预处理,使之成为能够适合支持向量机计算的量化数据;其次运用交叉验证法、网格搜索法、改进的粒子群优化算法分别对支持向量机模型中的惩罚系数C与核参数g进行优化选择,并利用MATLAB软件分别画出以上3种优化方式得出的支持向量机参数模型;最终对比选出对SLE患者并发继发性干燥综合征疾病诊断预测度最高的预测模型。结果表明,基于改进的粒子群算法优化的支持向量机分类模型参数的自优化,对该疾病预测诊断精度最高。     

基于FOA-SVR算法的边坡稳定性预测方法及其软件设计

针对一般边坡失稳预测方法的样本归一化处理、选择经验核函数等带来的预测误差,本文利用果蝇优化算法优化支持向量回归的回归参数（FOA—SVR）,选择“bspline”核函数,对于边坡训练样本不做归一化处理,通过训练来对边坡稳定性进行预测,并且利用MATLAB编程将上述算法可视化,开发出了基于FOA—SVR的边坡预测软件。算例的计算结果显示,预测值和实际值一致,算法精度较高,而且软件系统稳定,界面简洁,具有很强的实用性。     

基于灰色关联模型的LSSVM在变电工程快速报价中的研究

“十三五”以来，国家电网公司加大了对基建工程的投资力度，变电工程造价精准化管理趋势日趋明显，变电工程的准确的快速报价就至关重要。结合基础建设工程体量大，精准管理的要求，本文提出了基于灰色关联模型的最小二乘支持向量机（LSSVM）的变电工程快速报价模型，利用灰色关联模型，选取对变电工程造价关联程度大的影响因素，以更有效的降低LSSVM陷入“维数灾难”的风险，并与直接采用LSSVM模型预测结果对比分析，验证了本文所提出的模型的预测精度较高，在变电工程造价快速报价中具有一定的实用性。     

基于粒子群优化BP神经网络的房价预测

针对房价预测问题,文章给出一种基于粒子群优化的BP神经网络算法,并利用该算法提出两种预测房屋销售价格指数的方法。对房屋销售价格月指数的时间序列预测,直接建立PSO-BP模型;而对年指数预测,首先选择房价影响因素进行因子分析,然后在此基础上建立PSO-BP模型。两种对房屋销售价格指数的PSO-BP模型预测结果与BP模型相比,其精度均有较大提高,收敛更快。     

基于果蝇算法优化小波神经网络的输电工程造价预测

为了准确控制输电工程造价水平,提出一种基于果蝇算法优化小波神经网络的混合预测模型。首先,对输电工程造价影响因素进行归一化处理,并将归一化结果作为输入变量;其次,利用果蝇算法对小波神经网络参数进行优化,在此基础上,利用优化后的小波神经网络模型预测输电工程造价;最后,将本文的预测结果和其他方法进行对比。算例结果表明,该混合模型的预测效果更理性,精度更高。     

BP神经网络在防城港货物吞吐量预测中的应用

由于港口吞吐量的影响因素相当多,这些影响因素中大部分又是不可量化指标．造成数据收集和确定的困难。在介绍BP算法的基础下,使用基于时间序列的BP神经网络模型对防城港货物吞吐量进行预测,该模型不仅解决影响因素多、数据难收集的问题,而且是货物吞吐量预测方法中精度很高的一种有效方法。     

过盈联接有限元分析的接触算法选择

接触算法对有限元分析结果及其计算时间有很大影响,因此,对于采用有限元方法预测压装曲线而言,选择一个合适的接触算法是至关重要的。本文首先建立了过盈联接的三维有限元模型,然后分别用罚刚度法、增强拉格朗日法及普通拉格朗日法对过盈联接进行有限元分析,最后通过控制法向刚度系数(FKN)、切向刚度系数(FKT)、渗透量(FTOLN),分别评价上述三种方法的计算精度和收敛性。分析结果表明在相关参数控制得当的情况下,三种方法都可以得到精确的结果,但是它们的计算时间有很大区别,其中计算时间最短的是增强拉格朗日算法。     

改进的蚁群算法在TSP中的应用

介绍了蚁群算法的特点,提出了基于蚁群算法的TSP问题的求解方法,并分别建立基本蚁群算法及MAX-MIN蚁群算法模型,并引入“三步走”法确定模型参数的最优组合,还结合了交叉局部优化相关的求凸壳顶点的算法进行预处理,进行仿真分析比较。实验结果表明基于MMAS模型相对于基本蚁群算法模型,有比较好最短路径选择能力及良好的可扩展性能,能够较好地适应物流配送系统的要求。     

一种基于精简学习样本集的耕地质量模式分类方法研究

于耕地质量等级评价中涉及的海量土地信息，提出了一种基于经典采样技术与无序多分类Logistic回归模型的耕地质量等级智能分类方法。基于一定置信水平和估计精度条件下，确定研究区耕地质量等级评定的学习样本容量大小，应用c-means算法自动抽取精简学习样本集，构建无序Logistic分类器模型，给出了耕地质量智能分类的计算步骤。结果表明，应用以上方法挖掘的精简样本集，能够有效进行耕地质量等级的学习和预测，改变了传统耕地质量等级评定的方法。     

基于模型分析的液压伺服系统性能参数预测

为了提高液压伺服系统的控制精度,文章对液压伺服系统中的一些非线性参数进行了预测与估计。参数估计之前,首先对目标液压工作系统进行了建模与参数化描述,抽取了其控制和工作模型,计算并推导了模型中主要的液压参数直接的数学关系,如液压受力分析、受力传递函数、噪声信号过滤函数等。在此基础上,采用最小二乘估计算法对液压伺服系统中的非线性参数进行预测,给出了详细的参数分析过程和预测参数推导过程,建立了主要参数的估计计算公式。最后,对所估计的非线性参数进行了仿真和测试。结果表明,文章所选择的参数预测结果与实际的运行结果基本吻合,预测算法参数估计误差小。     

基于模型分析的液压伺服系统性能参数预测

为了提高液压伺服系统的控制精度,文章对液压伺服系统中的一些非线性参数进行了预测与估计.参数估计之前,首先对目标液压工作系统进行了建模与参数化描述,抽取了其控制和工作模型,计算并推导了模型中主要的液压参数直接的数学关系,如液压受力分析、受力传递函数、噪声信号过滤函数等.在此基础上,采用最小二乘估计算法对液压伺服系统中的非线性参数进行预测,给出了详细的参数分析过程和预测参数推导过程,建立了主要参数的估计计算公式.最后,对所估计的非线性参数进行了仿真和测试.结果表明,文章所选择的参数预测结果与实际的运行结果基本吻合,预测算法参数估计误差小.     

基于分类SVM的时间序列预测研究

文章讨论了基于分类的SVM非线性回归算法及其在时间序列预测中的应用。与传统SVM回归算法相比,本算法有更强的不敏感性和健壮性、参数值可设定性并可避免过拟合现象。文中提出了一种计算预测模型初始参数值的方法,可以高效地找到较好的模型参数,并通过实验对方法的有效性和可行性进行了验证。     

基于孤立点消除合理选择训练样本的物流预测

为了提高物流需求的预测精度,提出一种基于消除孤立点合理选择训练样本的物流预测(IFCM-RBFNN)。首先采用密度方法识别和剔除原始物流需求数据中的孤立点,消除孤立点对聚类结果的不利影响;然后采用模糊均值聚类(FCM)算法对物流需求数据进行聚类,选择最优训练样本集;最后采用RBF神经网络建立物流需求预测模型,并采用仿真实验对其性能进行测试。仿真结果表明,相对于对比模型,IFCM-RBFNN提高了物流需求的预测精度,预测结果更加可靠。     

边坡形变Verhulst建模及后验差检验

基于GNSS监测数据,采用Verhulst模型对水库边坡区域地表沉降与时间问题进行建模研究,并以后验差检验法对建模结果进行验证。结果表明,该模型计算简单,模型参数较少,预测精度较高,能够有效的表征边坡监测体的沉降变化规律。     

基于CS_BPNN的光伏发电功率预测模型研究

光伏发电功率预测对电网的安全稳定运行具有重要意义。通过数据预处理,运用灰色关联度分析计算时序相似度,提高了相似日选取的准确度。提出了基于布谷鸟搜索算法优化BP神经网络的光伏发电功率预测模型,并通过实验的方法分别对晴天、阴天和雨天三种天气类型下的光伏功率进行预测,将其与粒子群优化算法优化BP神经网络模型、BP神经网络模型进行对比。结果表明,基于布谷鸟搜索算法优化BP神经网络的光伏发电功率预测模型,在光伏发电功率预测领域具有更高的精度与稳定性。     

差异演化算法优化灰色模型的负荷预测

传统灰色预测模型GM(1,1)在预测增长较快的电力负荷时预测效果会变差,为克服这一缺陷,首先对原始数据进行开次方处理使数据增长变平稳,再将差异演化算法与GM(1,1)模型相结合,利用差异演化算法求解GM(1,1)模型中的参数。电力负荷预测实例结果表明该模型具有较高的预测精度和较广的应用范围。     

基于贝叶斯理论的小波变换支持向量机负荷预测模型

用贝叶斯证据框架理论改进小波变换最小二乘支持向量机混合预测法。应用贝叶斯证据框架实现各尺度预测模型的超参数、核参数以及输入变量的自适应选择。该方法在提高预测精度的同时,大大增强了其混合模型的适应性。