基于支持向量机-粒子群算法的山区公路隧道造价预测

采用最小二乘支持向量机(LSSVM)与粒子群优化算法(PSO)相结合的方法,以隧道工程分项工程技术指标为基本参数,对山区高速公路隧道工程造价进行管理和预测,基于支持向量机算法实现山区高速公路中隧道的工程特性与各分项工程造价指标之间的复杂非线性映射。建立的造价预测模型估算得到的造价与样本的实际造价误差可控制在10%的范围内,说明该预测模型可用于山区高速公路的隧道工程造价估算,并为公路工程造价人员提供了一种实用的工具和方法。     

基于支持向量机的公路工程造价快速估算模型

由于公路工程造价估算具有多因素、高维非线性、随机性等特点,传统的造价估算方法无法快速得到准确结果,为此提出基于支持向量机的公路工程造价快速估算模型。首先结合公路工程特性,确定造价的主要影响因子,然后通过LibSVM工具箱建立造价与主要影响因子之间的非线性映射关系,同时采用交叉验证优化支持向量机参数。最后进行实证检验,并与BP神经网络估算方法进行对比分析,结果表明支持向量机提高了估算精度,可以更好地应用于公路工程造价估算。     

基于最小二乘支持向量机的公路工程造价预测模型

由于公路工程造价的影响因素错综复杂,且历史数据非常有限,使公路工程造价预测成为典型的小样本条件下非线性回归问题。针对传统的回归方法解决这类问题的不足,该文提出一种新型的公路工程造价预测模型。该模型基于最小二乘支持向量机的基本原理,结合公路工程的具体特征,实现了公路工程造价的智能化预测。新模型充分发挥了最小二乘支持向量机在解决有限样本及非线性回归问题中的优势,建立了较准确的预测模型,且训练速度较普通支持向量机更快。实证数据分析验证了本模型的有效性。     

基于CBR的公路工程造价估算模型

为了在投资决策阶段将历史公路工程案例资料用于拟建公路项目造价的估算,基于案例推理技术,提出了一种公路工程造价估算模型。首先利用11个相互独立的工程属性对公路工程案例进行了结构化和定量化的表示,使工程案例可以被用于推理计算中。然后通过基于OWA算子的专家打分法确定了各特征属性在相似案例检索中的权重,并利用灰色关联分析法进行相似案例的检索。再将BP神经网络对相似案例进行训练,获得可以反映出11个工程属性与工程造价间关系的网络,并将该网络对拟建公路项目工程造价进行估算,进而可以得到工程造价估算值。最后利用22条已建高速公路案例建立案例库,利用该估算模型对某高速公路工程造价进行估算,从而验证该模型的有效性。通过灰色关联分析共获得14个相似案例,利用这14个相似案例训练估算得的目标案例工程造价为1 794.90万元/km,这与竣工结算后得到的实际值1 725.81万元/km相比,相对误差仅4.003%。研究结果表明:该模型能充分利用历史公路工程案例,即使是在工程资料信息不够详细明确的投资决策阶段,也能得到较为准确的估算值,是一种精确、有效的模型。     

城市地下综合管廊工程造价控制要点分析

我国大中城市地下综合管廊随城市建设发展迅猛,其可容纳多种市政管线,有效利用地下空间资源,对于整体保障城市安全、促进城市集约高效发展具有重要意义。综合管廊工程专业个性强、涉及范围广、建设工期长、投资金额大,科学合理的造价控制措施有助于管廊工程投资控制、项目管理顺利推进。本文从综合管廊工程造价组成角度分析其主要影响因素和控制措施,以期对综合管廊工程造价的有效控制提供助益。     

设计阶段综合管廊工程造价控制的问题及对策探讨

现针对综合管廊工程造价在设计阶段的造价控制问题,主要分析影响造价控制的主要因素,进而提出了相对应的整改策略,从而提高综合管廊工程造价控制质量,节约建设成本。     

基于支持向量机模型的深基坑变形预测研究

支持向量机是近年来在统计学习理论基础上发展起来的一种新的模式识别方法,在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势.将支持向量机用于基坑变形预测,根据基坑位移的实测时间序列资料,建立基坑位移与时间的关系模型.将实际基坑工程监测资料作为学习训练样本和测试样本,将模型计算结果与实际监测值进行对比分析、研究....     

基于支持向量机的沥青路面使用性能预测探究

在考虑模型的二次损失函数下,对传统SVM进行扩展开进,得到基于最小二乘支持向量机(LS—SV M)的回归模型,利用支持向量机(SVM)具有的泛华能力,通过非线性映射构建一个高维空间的最优超平面,来进行评价计算。通过对选取的样本的归一化处理,确定LS—SVM输入向量数量指标,引入拉格拉日函数进行变化,获得函数的对偶关系,从而在保证LS—SVM的训练速度和预测精度,快速寻找到模型的解。最后通过算例验证了模型在拟合过程和预测经过精度方相较于其他模型具有明显的优势,能有效满足实际工程应用需求。     

基于主成分分析与支持向量机结合的交通流预测

为提高交通流预测的预测精度和预测速度,提出了用非线性回归支持向量机与主成分分析相结合进行交通流预测的方法。主成分分析用来对交通流预测的预测变量进行特征抽取,用较少的主成分代替原预测变量．将生成的主成分输入到非线性回归支持向量机,进行交通流预测,支持向量机的核参数利用Bayesian推理进行确定。通过对济南市交通数据的实例分析来验证该方法的有效性。结果表明,非线性回归支持向量机与主成分分析相结合进行交通流预测不但可以提高交通流预测的精度,同时还可以降低预测所需的计算量,满足交通流预测的实时性要求,预测精度比目前常用交通流预测方法的预测精度有所提高。     

基于支持向量机的公路工程投资估算预测模型研究

公路工程投资估算是公路建设中一项重要的造价管理与投资控制内容,是公路建设项目决策的重要依据。提出运用模糊数学的贴近度方法、支持向量机理论构建公路工程投资估算预测模型,通过实例验证说明预测模型的可行性,为公路工程造价预测提供理论依据。     

基于支持向量机的水泥抗压强度预测

利用支持向量机结构简单、学习性能出色和较强的推广性等优点，通过对已有实例样本的学习，建立了水泥28d抗压强度与其各影响因素之间的高度非线性映射关系，然后用样本学到的新关系预测新的水泥抗压强度，并将预测结果与传统回归分析、神经网络预测结果进行了对比。研究表明，与传统的方法相比，支持向量机方法精度较高、相对误差小，为预测水泥28d抗压强度提供了一条新途径。     

采用小样本统计理论的隧道围岩分类

隧道围岩级别判断存在较多的不确定影响因素,特别是各影响因素的参数信息和样本资料有限,给判断工作造成了很大的困难。利用专为小样本统计分析而提出的支持向量机方法,在分析围岩级别划分的基础上,选取隧道围岩级别划分需要考虑的9个关键因素,将这9个因素作为输入参数,同时将围岩划分为5个等级作为输出参数,建立了围岩级别判断的小样本统计模型。利用该模型对二郎山隧道的围岩级别进行测试,并与ART1神经网络和BP神经网络的结果进行对比,表明将基于小样本统计的支持向量机理论用于围岩级别判断是可行的,并且具有很好的精度。     

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DHGF算法的综合管廊出线节点选型研究

由于综合管廊出线节点的选型大部分依托于设计经验,缺少具体可行的选型方法,利用系统科学法中的四元集成法(DHGF 算法)建立综合管廊出线节点的选型模型。首先,利用德尔菲法将管廊出线节点的主观影响因素进行定性,构建评价指标体系; 其 次,通过层次分析法、灰色关联法和模糊判别法将定性指标进行系统地量化计算,最终确定综合管廊出线节点的选型模型; 最后, 结合工程应用实例,验证DHGF 评价模型在综合管廊出线节点选型中的可靠性及有效性。     

岩质边坡落石运动特征参数分析及SVM预测模型

以落石的水平运动距离、弹跳高度和运动能量3个运动特征参数为目标,引入正交试验法对其影响因素进行了敏感性分析及其较不利因素水平组合研究。然后选取影响落石运动特征参数的5个因素为影响因子建立数据样本集,引入支持向量机方法建立落石预测系统对岩质边坡落石运动特征参数进行了预测。最后结合工程实例对预测系统进行了验证。本文研究结果表明:正交试验方法可以确定影响落石运动特征参数的主次因素及较不利因素水平组合;基于支持向量机(Support Vector Machine,SVM)的预测系统不需要进行Rockfall软件的建模计算过程,就可以估算出岩质边坡落石的运动特征参数,方便快捷。     

最小二乘支持向量机在隧道围岩变形预测中的应用

针对基于标准型支持向量机(Vapnik SVM)的岩体变形预测方法计算复杂度大、应用不便的缺点,提出一种基于最小二乘支持向量机的围岩变形预测方法.该方法结合开挖岩体具有高度不确定性的特点,将其作为一个时变系统考虑,首先采用滑动时窗方式选取学习样本,然后利用获得的样本训练最小二乘支持向量机预测模型.利用这种方法对雪家庄隧道围岩变形进行预测,分析结果表明,该方法具有较高的预测精度,是一种简单可行的变形预测方法.     

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。     

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SVR模型的灌注桩价格估算研究

采用基于结构风险最小化思想的支持向量回归(SVR)模型预测了灌注桩的中标价格.在分析灌注桩的成本动因的基础上,通过历史项目清单预算确定了17个回归自变量,根据历史项目中标价格(因变量)和成本动因(自变量)来估算当前项目价格.利用该模型对福建省某高速公路灌注桩进了行价格估算,并与基于定额的清单预算价格以及多元线性回归估算价格进行了对比.结果表明:估算结果相对于其他两种方法明显接近实际中标价格,采用SVR模型可以大大提高估算的准确性,有效控制造价,提升公路工程造价管理水平.     

浅析PPP模式下综合管廊工程总体造价把控要点

随着经济的发展,以PPP模式推进地下综合管廊建设成为现阶段城市市政基础设施建设的热点,但在我国综合管廊工程总体造价的不确定性成为了推进PPP模式在地下综合管廊建设中应用的重大障碍。简单分析PPP模式下综合管廊工程总体造价存在的问题,进一步提出解决方法。