基于最小二乘支持向量机的公路软基沉降预测

通过影响因素分析,确定了软土层厚度、软土层压缩模量、地表硬层厚度、地表压缩模量、路堤高度、路堤顶宽、路基填筑时间和填筑竣工时沉降量等参数对公路软基沉降有影响.对公路软基的观测数据进行分析和取样,输入样本为各参数,输出样本为路堤中线下地表沉降值,利用最小二乘支持向量机的非线性映射和泛化能力,通过训练,建立了公路软基沉降预测模型.研究表明,所建立的模型对公路软基沉降进行预测具有较高的精度,同时具有很好的泛化性能.     

支持向量机在路基沉降预测中的应用

在介绍了支持向量机基本原理和实现算法的基础上,将它应用于软土路基填筑施工中的沉降预测,提出了一种有效的预测方法,并构造了预测路基沉降的支持向量机模型。经过与传统BP神经网络方法预报结果比较,表明该方法在较少训练样本的情况下具有精度高、泛化能力强的特点。取得了较BP神经网络建模方法更好的预报效果。为预测填筑施工引起的软土路基沉降提供了一种新的方法。     

基于小波降噪与最小二乘支持向量机的公路软基沉降预测模型

根据沉降数据的特性,以最小二乘支持向量机为核心技术构建预测模型,提出了一种路基沉降预测的新方法。由于测量误差不可避免,沉降数据通常含有噪声,不宜直接进行拟合,因此首先采用小波分析的方法对原始沉降数据进行降噪预处理,然后馈送到最小二乘支持向量机完成沉降预测。最后用某高速公路实测数据进行了实例分析,并与BP神经网络预测结果进行了对比,计算结果表明,小波分析结合支持向量机的模型有较好的预测精度,将该模型应用于公路软基沉降预测是可行的和值得研究的。     

基于粒子群算法优化支持向量机的公路客运量预测

公路客运量数据受多种因素影响而呈现非线性等特点,为了提高其预测精度,文中提出粒子群算法（PSO）优化支持向量机（SVM）的公路客运量预测模型,利用PSO寻优能力突出的优点,对支持向量机的参数进行优化选择,并用优化后的支持向量机模型对公路客运量进行预测.研究结果显示,相比BP神经网络和传统的SVM预测方法,基于PSO SVM的预测精度更高.     

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。     

公路软基沉降双曲线预测法的进一步探讨

双曲线法是一种重要的沉降预测方法。由于待定参数少且其易于确定，表示的沉降发展规律与许多实际工程相符合，因而广泛应用于公路软基沉降预测中。本文通过汕汾高速公路实例，对双曲线法进行公路软基沉降预测的影响因素进行了深入分析，并提出了改进沉降预测精度的措施。     

基于支持向量机的城市私人汽车保有量滚动预测

针对城市私人汽车保有量增长预测问题,在对支持向量机理论进行改进的基础上,进行滚动预测研究。在对已有的机动车保有量预测模型进行对比分析的基础上,建立了基于支持向量机的私人汽车保有量滚动预测模型,并利用北京市私家车保有量历史数据对滚动预测模型进行了实证分析。结果表明该预测模型具有较高的预测精度、符合实际需求、具有广泛的应用前景。     

基于支持向量机与神经网络法的路基沉降预测对比研究

城市地铁车辆段整体道床区路基对工后沉降有严格要求。为保证路基沉降观测数据的可靠性,首先采用沉降观测异常数据判别方法,对沉降数据进行了预处理;根据路基沉降数据的特性,分别以支持向量机和神经网络法为核心技术构建了路基沉降预测模型,并通过工程实例详细介绍了预测方法与过程。对比分析表明:基于支持向量机和神经网络法构建的预测模型均有较好的预测精度;预测结果显示,依托工程路基沉降已基本趋于稳定,运营期不会发生较大的工后沉降,现有地基处理与路基填筑压实的施工方法是有效的。     

公路软基沉降规律的现场试验研究

为了研究公路软基沉降特性,文章结合四川达渝高速公路建设工程,现场观测了填方路堤土压力、路基沉降以及空隙水压力变化情况。结果表明:路堤填方施工过程是随机增加的,引起的沉降变形规律的不确定性。路基、路堤沉降的发展过程与荷载和时间都有关系,表明土体既有压缩变形,也有固结变形和流变变形。原状地基,尤其是软基的沉降量远大于填方土体的沉降量。填方路堤土体本身的最终沉降量沿横断面是中间大、两边小。填方路堤土体的自身沉降值是下部大于上部。对于基础面积较大,软土层深度相对基础宽度不大,以一维固结理论是可靠的。     

支持向量机在路面评价中的应用

提出了基于支持向量机的水泥路面性能评价模型,结合湖南未宜（耒阳-宜章）高速公路水泥砼路面检测数据进行评价并与传统模型进行对比,结果表明,应用支持向量机分类模型对路面进行评价能更好地弥补传统模型的不足,评价结果更加符合事实。     

遗传BP算法在预测深厚软基沉降中的应用

依托某高速公路应用塑料排水板堆载预压法处理深厚软基的工程实践,运用皮尔-遗传神经网络对其沉降观测结果进行了分析、预测。结果显示,预测精度高。     

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。     

基于支持向量机的单桩竖向极限承载力预测

在综合了各种单桩竖向极限承载力分析方法的基础上,建立了相应的单桩竖向极限承载力预测模型。以实测数据为学习样本和测试样本,讨论了基于支持向量机的单桩竖向极限承载力分析方法及其可行性。研究表明,该法更能反映桩的实际受力过程,具有一定的工程应用价值。     

神经网络模型在高速公路软基沉降预测中的应用

借助人工神经网络模型 ,建立了可依据现场量测信息对软基路堤沉降量随时间而发展的过程进行动态预报的分析方法。其要点是 :建立公路软基沉降预测的神经网络结构 ,并将前期沉降观测值作为样本 ,通过神经网络结构的训练寻求沉降及其主要影响因素的内在关系 ,据以预测后期沉降量     

基于人工神经网络预测城市道路软基沉降

针对软基预估沉降值与实际沉降量差异,引入人工神经网络BP模型,根据道路前期沉降观测资料,进行沉降预测.工程实践证明,所建人工神经网络模型具有预测精度高、简便易行等优点,应用前景广阔,可为类似工程提供参考.     

支持向量机在交通流量实时预测中的应用

实时、准确的交通流量预测是正在发展的智能交通系统的关键问题之一,对于交通控制和交通流诱导都有着直接的影响。提出一种基于支持向量机的交通流量实时预测模型,通过采用序贯最小优化算法,能够实现对交通流量的有效预测。应用实例表明,支持向量机具有良好的泛化性能,在输入信号混有10%噪声的情况下,支持向量机的鲁棒性更好,预测的平均误差为4.25%,预测结果优于BP神经网络和动态递归神经网络。     

高速公路软基沉降预测系统及其应用研究

开发了软基沉降预测系统,把多种预测模型归纳起来建立模型库,应用数据库来管理和处理大量的现场观测数据,把模型库和数据库连接起来建立预测信息系统。结合数据库强大功能,提出并建立集工程概况数据库、变形监测信息数据库、沉降预测模型库和预测结果数据库为一体的软基沉降预测信息系统,且形成一个集查询、编辑管理、数据处理和沉降预测及其结果可视化等为一体的软件系统。最后,将该系统应用到广东省广梧高速公路软基施工监控中,提高了监控效率与预测效果。     

金鸿公路软基路堤的沉降计算与施工控制

软基路堤高填方段的稳定控制 ,是软基施工成功的关键。文中介绍金鸿公路应用专业计算土坡及填土稳定性的“slope”程序软件进行数值计算及软基施工控制的实例     

分析支持向量机算法在污水处理中的应用

污水处理是城市环境保护的一个重要问题，污水处理过程是一个涵盖多方面的生化过程。在这个过程中涉及到了许多的机械、电气等设备，同时又受到进水流量以及浓度剧烈波动的影响，因此在对污水进行处理过程中，它一直处在一个稳定性不强的状态下。目前，怎样实现自动监控污水处理过程的状态是污水处理厂的一个重要问题。本文将支持向量机引入到污水处理过程中，从支持向量机的概述以及支持向量机在污水处理中的应用这两个方面进行详细论述。     

高速公路运营期软基沉降预测分析

沉降是软土地区高速公路建设中的一个重要问题.由于各种理论计算方法本身的局限性,以及工程地质条件的复杂性,软基沉降完全依靠理论计算是不可能精确的,因此,实际工程中经常采用根据软基沉降监测结果预测工后沉降的方法.基于广东某高速公路软基沉降监测结果,分别运用双曲线法、指数曲线法和幂多项式法进行预测,通过对比分析获得了不同的预...