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WOA-DELM的成都地铁建设阶段温室气体预测

为解决成都地铁设计和修建过程中碳排放计量问题，以成都地铁18号线6车站7区间为研究对象，采用机器学习算法对成都地铁建设阶段碳排放进行预测研究。基于生命周期评价（life cycle assessment, LCA）框架对地铁车站和盾构区间建筑材料生产阶段、建筑材料运输阶段和现场施工阶段温室气体排放量进行计算，建立基于鲸鱼优化算法（whale optimization algorithm, WOA)的深度极限学习机（deep extreme learning machine, DELM）地铁碳排放预测模型，并与基于风驱动优化（wind driven optimizer, WDO）、灰狼优化(grey wolf optimizer, GWO）、粒子群优化(particle swarm optimizer, PSO)、人工蜂群优化（artificial bee colony, ABC）、多元宇宙优化（multi-verse optimizer, MVO）、原子搜索优化（atom search optimizer，ASO）的深度极限学习机（DELM）和未优化的BP（back propagation neural network）、KELM(kernel extreme learning machine)、DELM算法预测结果进行对比分析。研究得到： 1)WOA-DELM算法预测结果相关一致性为0.757，略高于其他算法； 2）根据WOA-DELM算法对地铁碳排放主要输入指标进行敏感性分析，得到地铁车站碳排放预测的关键影响因素为车站长度和轨面埋深，对应指标碳排放相对变化率分别为30.1%和23.1%。     

单桩承载力预测的PSO-Gompertz模型研究

在对桩的荷载传递规律进行分析的基础上,运用生物生长观点将Gompertz函数模型用于单桩极限荷载的预测中,给出模型参数估计的粒子群（PSO）方法,并在实例分析的基础上将PSO—Gompcrtz模型与常用预测模型进行了对比。结果表踢：在桩顶静荷载作用下,单桩承载力的发展经历了发生、发展、成熟并趋于饱和的生长过程;桩的荷载Q-沉降5曲线可用logistic函数描述;提出的PSO—Gompertz模型比双曲线模型、指数模型有更高的预测精度。     

西南农村地区分散式污水站设计探究

针对我国西南地区广大乡镇农村污水处理建设过程中出现的进水浓度高，水量波动显著等问题，设计一种改良型AAO+MBBR一体化处理装置。该装置抗进水冲击负荷强、占地小、工艺运行成本低等特点，适用于西南丘陵地区农村分散居住的特点。连续运行监测结果表明，对CODcr、BOD5、TP、NH3-H、SS去除率分别达到88%、96%、83%、83.3%、77.8%，出水水质指标满足《城镇污水处理厂污染物排放标准》（GB18918-2002）一级A标准     

基于QPSO—RBF的交通量预测方法研究

实时、准确的交通量预测是实现动态交通流控制及诱导的前提和基础,为了更好的对其进行预测,在分析径向基函数(RBF)神经网络预测模型的特点和标准粒子群优化(PSO)算法缺陷的基础上,将量子粒子群优化(QPSO)算法的全局搜索能力与RBF神经网络的局部优化相结合,克服了标准PSO算法收敛不稳定性和RBF神经网络易陷入局部极小值的缺点,并建立了QPSO-RBF的交通量预测模型.仿真实例结果表明,提出的预测模型预测精度较高,具有较强的学习能力和预测能力,对于交通量预测具有一定的可行性和有效性.     

基于PSO-BP优化MPC的无人驾驶汽车路径跟踪控制研究

针对模型预测控制（MPC）路径跟踪控制器在不同路面附着系数及车速下跟踪误差大的问题，提出了基于粒子群寻优（PSO）-反向传播（BP）神经网络优化MPC的无人驾驶汽车路径跟踪控制策略。首先，设计了MPC路径跟踪控制器；其次，利用PSO-BP对MPC进行优化，以控制器精度和车辆稳定性作为评价函数，获得PSO离线最优时域参数；最后，选择4种工况进行双移线跟踪对比仿真验证。结果表明：所提出的控制策略在保证行驶稳定性的条件下，低路面附着系数低速、高路面附着系数低速、高路面附着系数高速及中路面附着系数中速工况下双移线跟踪横向控制精度分别提高了50%、55%、9%和20%。     

道路交通安全ICPSO_LSSVM预测模型及应用

道路交通安全是城市发展中的重要问题之一,可靠、准确的预测模型是道路交通安全的基础和难点。以万车事故率、万人事故率2个相对指标为目标层,引入免疫系统的抗体选择机制,构造基于免疫机制的免疫粒子群优化算法(ICPSO),以避免标准粒子群算法(PSO)在迭代过程中容易过早收敛而出现局部最优的缺陷。利用优化方法对最小二乘支持向量机预报模型(LSSVM)进行参数寻优,建立优化最小二乘支持向量机(ICPSO_LSSVM)预测模型,并对湖州市的万车事故率和万人事故率2个指标进行对比分析,以验证所建预测模型的有效性和可行性。     

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。     

汽车前纵梁结构耐撞性分析及多目标优化设计

为提高汽车前纵梁结构的耐撞性和轻量化水平,文章对其进行多目标优化设计。基于动态落锤冲击试验,建立并验证了前纵梁有限元模型的准确性以及建模方法的可靠性。结合试验设计、粒子群优化（PSO）算法改进的支持向量机回归模型（SVR）和非支配排序遗传算法Ⅱ（NSGA-Ⅱ）,以减轻前纵梁质量和增加其比吸能为优化目标,对前纵梁的结构进行确定性优化和可靠性优化。结果表明,优化后的前纵梁结构耐撞性和轻量化水平都有了提升,同时也保证了设计的可靠性。     

风雨场中汽车乘员舱气动噪声声品质预测模型研究

为研究雨天行驶时汽车的声品质,对风雨场中汽车乘员舱气动噪声信号进行声品质客观参量计算和主观评价,并对二者进行了相关分析。采用基于改进鲸鱼优化算法的反向传播（IWOA-BP）算法,以响度、粗糙度、抖动度、语音清晰度、语言干扰度和声压级6个客观参数为输入,以主观评分作为输出,建立预测模型,并与传统的反向传播（BP）神经网络预测模型和鲸鱼优化算法-反向传播（WOA-BP）预测模型进行了对比。结果表明,BP、WOA-BP、IWOA-BP算法的平均绝对百分比误差分别为28.33%、6.35%和2.82%,证明了基于IWOA-BP算法建立的风雨场中汽车乘员舱气动噪声声品质预测模型精度更高,效果更好。     

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.     

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PSO-SVR近似模型的乘员约束系统稳健性优化

综合运用近似模型参数优化技术和稳健性优化方法对汽车乘员约束系统进行优化。通过全局灵敏度分析,选出对加权伤害准则(weighted injury criterion,WIC)影响大的参数;采用粒子群优化(PSO)算法对支持向量回归(SVR)模型参数和核函数参数进行优化,建立高精度的PSO-SVR近似模型;在确定性优化的基础上进行基于蒙特卡罗抽样的稳健性优化。结果表明:优化后乘员约束系统性能得到明显提升且兼顾了稳健性。     

最小二乘支持向量机-粒子群算法在地下厂房围岩参数反分析中的应用

为准确确定地下厂房围岩的弹性模量、泊松比、黏聚力、内摩擦角、侧压力系数等参数,以正交设计、最小二乘支持向量机和粒子群算法等现代数学方法为基本手段,建立基于位移增量的围岩参数反分析方法。以CCS水电站大型地下厂房为研究背景,通过工程地质条件研究选取8#机组剖面作为分析对象,采用二维弹塑性有限元方法建立地质结构分析模型。以地下厂房洞室群分层开挖多点位移计实测位移增量为依据,对CCS水电站地下厂房区域围岩力学特性及地应力场特征进行反分析。研究结果表明： 主厂房第Ⅵ层与第Ⅰ层开挖和主变室第4层与第1层开挖所产生的位移增量计算值与多点位移计实测值吻合较好,最大相对误差小于10%,说明采用最小二乘支持向量机和粒子群算法相结合的反分析方法在工程上是可行的,且效果较为显著。     

隧道围岩稳定性改进模糊概率模型及其应用研究

为更加准确有效地判别隧道围岩稳定性,引入RandWPSO-LSSVM(随机权重粒子群算法-最小二乘支持向量机)围岩极限位 移预测模型,对传统模型的隶属函数进行优化,建立围岩稳定性改进模糊概率模型。基于改进模型方法,由围岩位移预测值u、预测 位移标准差、围岩极限位移预测值U 及预测极限位移标准差即可求解隧道围岩稳定概率,并结合8 个工程算例对模型进行验证。 结果表明,改进模型解决了传统模型隶属函数存在的极限位移取值范围不合理的问题,且有效消除了隶属函数线性简化处理导致 的偏差,由其计算的稳定概率与实际情况吻合较好,围岩稳定性评价结果的可靠性更高; 将改进模型应用于实际工程的隧道围岩 稳定性判别中,计算结果能够较好地反映实际工程情况。     

基于DAG-SVM的居民出行方式选择模型

提高居民出行方式的预测精度对于评价交通规划方案、交通策略的效果具有重要意义.应用心理学、行为科学的方法分析了出行决策的思维过程,将出行决策过程结构化,建立出行情景库,并采用主成份法分析了影响方式选择的主要因素,作为支持向量机模型的输入.利用统计学习理论分析了支持向量机与神经网络在建模原理上的区别,建立了基于有向无环图-支持向量机(DAG-SVM)的方式选择模型,阐述了模型的具体步骤.通过实验对不同核函数的预测效果进行了评价,并采用网格法和遗传算法进行参数寻优.结果表明,核函数选择径向基函数效果较理想,参数寻优方法上遗传算法比网格法效果更好.通过优化后,DAG-SVM模型的整体预测精度达到了82.3%,比神经网络提高了近9%.但对出租车出行的预测准确率略低于其他方式,这主要由于出租车常被作为特殊情况下的备选方式,其出行规律性相对较差.      

基于递进复合式组合预测模型的软岩隧道大变形预测研究

为实现对隧道大变形发展趋势的判断,达到优化现场施工,避免出现施工安全问题的目的,采用LS-SVM和优化GM(1,1)模型对隧道变形进行预测,并以误差平方和为指标,将两者的预测结果进行组合,再进一步利用BP神经网络对前者的预测误差进行修正,以实现综合预测。通过实例检验,得到最小二乘法对支持向量机的优化效果要优于对灰色模型的优化效果,且误差修正模型能进一步有效地提高预测精度,使预测值与实测值更为接近;同时,通过本文的预测结果,得到后4个周期的变形仍具有持续变形的趋势,应采取有效措施,避免工程事故的发生。本文预测模型具有较好的预测精度及适用性,对隧道大变形研究具有一定的参考意义。     

基于粒子群和LSTM模型的变区间短时停车需求预测方法

停车信息是智能停车诱导系统得以成功实施的关键与基础, 被广泛认为能够有效解决当前停车难问题。鉴于停车信息在解决停车问题中的重要性, 研究了基于粒子群和LSTM模型的变区间短时停车需求预测方法。为充分发挥数据在提高模型预测精度的作用, 提出了以马尔可夫生灭过程为基础概率转移模型, 将停车到达率、离开率量化车随时间变化的停车需求, 通过标定实际的停车到达率和离开率, 确定预测模型的动态预测间隔与时段; 采用LSTM网络作为基础预测模型, 并利用粒子群优化算法优化网络参数。以吉林大学南岭校区停车场为研究对象, 按工作日与非工作日分别对停车数据进行预测并与其他预测模型进行对比分析。结果表明: 提出的停车需求预测模型在工作日的预测平均绝对误差为2.53辆, 均方误差为11.89辆; 非工作日的预测平均绝对误差为2.32辆, 均方误差为10.89辆。      

基于元胞粒子群算法的干式DCT换挡品质优化

为提高干式双离合器自动变速器(DCT)的换挡品质,建立了DCT换挡过程优化模型;针对单一优化算法易于局部收敛和早熟的缺陷,将元胞自动机和粒子群算法相结合,开发了元胞粒子群混合优化算法,并将其应用于干式DCT换挡品质优化。仿真结果表明,通过优化离合器的压紧力能获得较好的换挡品质。     

基于LSSVM和NSGA-Ⅱ混凝土耐久性多目标配合比优化

为减少由于耐久性不足而导致的混凝土结构劣化损伤，实现快速准确地确定配合比优化方案，以吉林某隧道工程为背景，选择混凝土耐久性主要指标抗冻性（动弹性模量）和抗渗性（氯离子渗透系数）为研究目标，建立一种LSSVM-NSGA-Ⅱ算法。基于原材料及配合比，利用最小二乘支持向量机（LSSVM）模型实现混凝土动弹性模量和氯离子渗透系数耐久性指标高精度预测，将回归预测函数作为适应度函数并结合规范及工程项目要求建立原材料及配合比相关的约束条件；在此基础上，利用NSGA-Ⅱ实现多目标优化。研究结果表明： 1）将相对动弹性模量和氯离子渗透系数作为耐久性评价指标并利用LSSVM模型进行预测的结果精度高； 2）所得预测回归函数作为适应度函数，以混凝土抗冻性和抗渗性为目标，利用NSGA-Ⅱ算法进行多目标优化后，可以获得配合比优化目标值； 3）经试验可知，混凝土工作性能等均符合规范和工程项目要求，且与工程实际情况相符。研究结果反映了该模型在配合比多目标寻优中的智能化、精准化。