用进化支持向量机进行基桩低应变完整性检测

将遗传算法与支持向量机相结合,建立一种用于基桩低应变完整性检测的进化支持向量机分类模型。该法基于实测数据,可以有效地解决支持向量机的参数确定问题,快速地建立模型,其实例表明,方法简便易行,预测精度高。     

参数增量变化分析在斜拉桥换索施工控制中的应用

斜拉桥换索施工控制需要在整个施工过程中对索力、主梁标高、主梁和桥塔应力等参数进行控制,通过建模计算分析,将参数增量变化分析方法运用于皎平渡斜拉桥换索工程实践中。结果表明,换索后斜拉索实测和设计索力误差控制在3%以内;主梁标高变化最大值为4~5 mm,经过换索桥面线形有所优化。参数增量变化分析法可用于混凝土斜拉桥换索工程施工控制。     

基于遗传算法优化支持向量机的再生混凝土抗压强度预测模型

针对再生混凝土抗压强度预测问题,提出了一种基于遗传算法优化支持向量机(GA-SVM)的抗压强度预测模型。利用遗传算法对SVM的参数进行优化,并得到优化的SVM预测模型。仿真试验结果表明:与BP神经网络和传统SVM的预测结果相比,基于遗传算法优化支持向量机模型的预测精度更高。     

LS-SVM在连续刚构桥标高误差预测中的应用

针对悬臂施工的连续刚构桥施工过程中标高误差产生的因素多,各因素与误差值之间存在高度非线性关系并属于小样本事件,所以准确的标高误差预测一直成为一项难题.该文利用最小二乘支持向量机,借助Matlab中的工具箱,建立预测模型,对一座大跨连续刚构桥施工中节段标高误差进行预测,并与BP神经网络预测模型进行对比,可知LS-SVM预测结果准确、稳定性优良.     

高速公路雾天能见度预测方法

以多要素气象检测器采集的样本数据为基础,将温度、风速及湿度作为输入变量,雾天能见度作为输出变量,分别采用三层结构BP神经网络和支持向量机非线性回归预测方法,建立了雾天能见度的预测模型;将预测结果与实际数据进行对比分析,结果表明:BP神经网络和支持向量机均能较好地预测雾天能见度,其中BP神经网络和支持向量机模型预测值与实际值的相关性分别为0.895和0.978,支持向量机预测结果的误差更稳定,表明支持向量机更适于处理小样本、非线性、维数灾难和局部极小等问题。     

基于POS-LSSVM的沥青路面性能评价方法

基于支持向量机的结构风险最小化与粒子群算法快速全局优化的特点,用粒子群算法优化最小二乘支持向量机的参数,避免了人为选择参数的盲目性,提高了预测模型的训练速度和预测推广能力.选择PCI、RQI、SSI、BPN,4个指标作为评价指标,建立了基于PSO-LSSVM的沥青路面性能评价模型,将该模型用于路面性能评价,获得了令人满意的评价效果.结果表明,支持向量机法可以可靠有效地评价沥青路面性能.     

大跨度钢主梁斜拉桥的自适应无应力构形控制

为了实现对大跨度钢主梁斜拉桥高精度、高效率的施工控制,基于自适应无应力构形控制思想,推导了设计参数误差和钢主梁顶、底板焊缝收缩差对主梁安装线形的影响量调整公式,导出了主梁节段定位时温度影响的标高调整量公式,并在综合考虑此类影响因素的基础上建立了主梁节段精确定位的实时放样公式,最后将研究成果在荆岳长江公路大桥施工全过程中进行应用。结果表明：该方法能极大方便斜拉桥的施工与控制工作,提高其控制精度及效率。     

基于遗传支持向量机的综合管廊土建工程造价估算方法研究

综合管廊工程造价估算具有影响因素多、小样本及非线性的特点,传统的造价估算方法对于这类问题无法得到准确结果。针对这一问题,提出一种基于遗传支持向量机的综合管廊造价估算模型。分析综合管廊工程的具体特征,运用支持向量机建立工程造价与影响因子之间的非线性映射关系,利用遗传算法对支持向量机进行参数优化并对综合管廊的工程造价进行估算。以16条已建综合管廊工程作为数据库样本,对该模型进行分析验证。样本测试结果显示,利用该模型可将估算误差控制在10%以内,验证了模型估算的可行性。     

采用Elman神经网络与支持向量机预测路基沉降

为提高高速公路路基沉降预测的可靠性,构建了一种基于小波Kalman滤波的Elman神经网络与支持向量机的路基变形预测组合模型。该方法既融合了小波多尺度特性体现的优异信噪分离性能和Kalman滤波能提炼出测量信息最优估计值的严密递推算法,又涵括了Elman神经网络与支持向量机对非线性数据的强大泛化能力和拟合功能。结果表明:在高速公路路基工程实例中,该模型预测的沉降值误差控制在1%以下,验证了其在中长期路基沉降预测中的效用。     

基于灰色理论的斜拉桥施工线形监控误差分析

文章以在建涡阳三桥为背景,通过对斜拉桥施工过程中主梁线形的影响因素分析,利用灰色理论系统残差修正GM(1,1)模型进行预测分析,对立模标高在原有计算基础上进行了修正,为该桥的施工质量和安全提供了技术参考。     

基于时空GPSO-SVM的短时交通流预测

为了提高城市道路短时交通流预测的精度,提出了一种基于时空遗传粒子群支持向量机的短时交通流预测模型.通过主成分分析法对路网原始交通流量进行时空相关性分析,用较少的主成分代替原始交通流量并作为预测因子,在粒子群算法中引入遗传算法的交叉和变异因子,避免粒子群算法陷入局部最优.利用改进后的粒子群算法优化支持向量机参数,得到最优的支持向量机模型,并实现城市道路的短时交通流预测.以长春市路网的实测数据为基础进行了实例验证,结果表明,优化支持向量机参数时,遗传粒子群算法不会陷入局部最优,优化效果更好;与粒子群支持向量机模型和遗传粒子群支持向量机模型相比,所提出预测模型的相对误差波动较稳定,平均预测精度分别提高了4.96%和3.41%.      

基于AGA-SVM公路软基沉降预测

由于公路沉降影响因素较多,加之沉降计算参数的变异性,很难通过理论方法准确算出任一时刻的沉降,因此根据已有沉降观察数据对之后沉降进行预测成为研究热点。支持向量机以其优异的非线性拟合及泛化能力被广泛运用于沉降预测,但是其沉降预测精度依赖于参数C、σ、ε的取值。因此采用自适应遗传算法对支持向量机主要参数寻优,建立了自适应遗传算法支持向量机(AGA-SVM)沉降预测模型,进一步提高了预测的精度。并以广东省兴(宁)汕(头)高速公路中某断面处部分沉降观测数据为训练样本,运用AGA-SVM预测模型对该路堤短期沉降进行预测,预测结果与实测数据吻合良好。     

城市道路交通量短时预测的GSVMR模型

在分析现有城市道路交通量短时预测方法缺陷的基础上,针对目前广泛采用的基于经验风险最小化的BP网络易于陷入局部最优解等缺点,结合遗传算法容易寻找全局最优解与支持向量机回归法具有结构风险最小化的特点,提出了将两种算法相结合的GSVMR预测模型,该模型同时具有结构风险最小和容易寻找最优解的双重特性,并对某城市四车道主干道路8：00,8：45的交通量进行了预测,结果表明用该模型进行城市道路交通量短时预测所得结果误差较小,依此验证了用GSVMR模型进行城市道路交通量短时预测的有效性。     

温度效应对大跨径PC斜拉桥主梁标高控制的影响研究

在大跨度混凝土斜拉桥施工控制中,影响其控制精度的参数相当多,温度变化对桥梁标高的影响最大,为研究温度对混凝土斜拉桥主梁标高控制的影响与对策,以某大跨径混凝土斜拉桥为工程背景,通过实测温度数据采用数值分析方法计算出主梁的轴向温度应变及曲率,代入有限元计算程序中,计算出温度对主梁标高的影响量,对比实测24 h内主梁标高随大气温度的变化,验证该方法的可行性.总结主梁顶板、中腹板、底板各测点的温度变化及主塔沿壁厚方向各温度测点的变化规律,对主梁及主塔温度测点进行优化,为数值分析方法中主梁及主塔截面网格优化提出建议.研究结果表明:采用数值分析方法计算温度对主梁标高的影响是可行的;对混凝土斜拉桥主梁、主塔温度测点进行优化,既能提高数值分析方法的计算效率又能简化测点布置.     

汽油机失火诊断GA-SVM方法研究

提出了一种基于主成分分析、遗传算法和支持向量机的失火故障诊断方法,以用于建立发动机失火故障诊断模型。采集不同失火故障模式下瞬时转速信号,通过归一化和主成分分析对数据集进行降维预处理,提取样本特征;随机选取1/3的样本训练支持向量机失火诊断模型,并结合网格搜索和遗传算法优化模型参数;剩余样本作为测试数据,对12种失火模式进行辨别,准确率为98.33%。因此,该方法有效。     

基于SVR的汽油机过渡工况进气流量预测研究

针对目前汽油机进气流量预测精度不高的问题，分析支持向量回归机(SVR)应用在进气流量预测的可行性，提出一种基于SVR的进气流量预测模型。该模型通过结合支持向量回归机的结构优势，采用灰色关联分析法(GRA)对模型的特征向量进行提取，并利用遗传算法(GA)对模型参数进行寻优辨识，以提高模型的泛化性能和预测精度。运用汽油机过渡工况仿真试验数据对模型进行了训练和预测，并应用MATLAB/LIBSVM工具箱实现SVR模型的回归预测功能。结果表明：SVR模型的预测值与试验值的误差控制在2%范围之内，有效实现了过渡工况进气流量的预测；与常规的RBF神经网络预测模型、BP神经网络预测模型相比，SVR模型具有更高的预测精度，适用于汽油机过渡工况空燃比的精准控制。     

BP神经网络技术在斜拉桥施工控制中的应用

神经网络是一种模拟人脑结构和功能的信息处理系统。通过一工程实例,以BP神经网络技术为基础,对影响斜拉桥线形的各种参数（主梁混凝土弹性模量和容重）进行参数识别及主梁标高的预测。     

混凝土斜拉桥索力调整的最优化

斜拉桥施工中经常遇到的两种误差是：（１）千斤顶拉索的施工误差；２）控制主梁标高时的几何误差。在正常情况下这两种误差可索力调整使之保持在容许范围内。然而，在预应力混凝斜拉桥中徐变的影响不能忽视。     

基于PCA-SVM的边坡稳定性预测模型研究

提出了一种基于主成分分析(PCA)和支持向量机(SVM)的边坡稳定性预测模型。首先分析了影响边坡稳定性的因素,采用主成分分析方法求取主成分;再将主成分作为输入对支持向量机进行训练,并利用遗传算法优化支持向量机参数;最后通过实例与常用寻参方法所得结果进行比较。结果表明,该法能减少输入变量维数,提高了边坡工程稳定性的预测精度。     

重庆李渡长江大桥斜拉桥施工监控计算

重庆李渡长江大桥斜拉桥是一座采用镀锌平行钢丝体系斜拉索、双塔双索面、纵向弹性半漂浮体系的预应力混凝土边主梁斜拉桥。介绍该桥施工监控计算的计算方法、模型离散、斜拉索张拉索力的确定和挂篮立模标高的确定。