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.     

基于线性规划支持向量机的隧道围岩变形预测

支持向量机(SVM)以其良好的学习性能被广泛应用于包括隧道围岩变形在内的时间序列预测,核函数形式对其预测能力有重要影响,故灵活运用核技巧来增强推广性能已成为支持向量机应用研究的一个重要方面.对于标准SVM及最小二乘支持向量机(LS-SVM),由于其核函数必须满足Mercer条件,因而大大限制了核函数选取范围,制约着推广能力的进一步提升.为此引入一种新型的时间序列预测模型--线性规划支持向量机(LP-SVM),因其核函数不必满足Mercer条件,从而为灵活选取核函数提供了方便.将新预测模型应用于岭南高速公路雪家庄隧道围岩变形预测,分析结果表明,在同时采用径向基(RBF)核函数的情况下,LP-SVM与LS-SVM的预测精度非常接近,能够满足工程需要,但由于前者的核函数可以在更大范围内选取,使其预测性能具有更大的提升空间,从而为岩体变形预测提供了一种更具潜力的新途径.     

基于支持向量机和改进粒子群算法的钢管混凝土拱桥可靠度分析

针对大跨度钢管混凝土拱桥结构可靠度分析过程中功能函数难以显式表达的问题,首先阐述了支持向量机的基本原理,并将其引入到结构可靠度分析中,建立了基于支持向量机的可靠度分析模型,然后利用改进粒子群算法对某钢管混凝土拱桥的吊杆可靠度与拱肋可靠度分别进行了求解,并对其灵敏度进行了分析,研究表明：端部短吊杆的可靠度指标相较于其它吊杆更大,并且越靠近跨中,吊杆的可靠度指标整体越小;随机变量灵敏度对吊杆可靠度指标影响最大的为吊杆弹性模量,其次为吊杆截面面积,钢管弹性模量、混凝土弹性模量、立柱截面面积与主梁截面面积对其影响较小;在拱肋可靠度评估中,拱脚截面的可靠度最小,拱肋1/8截面处的可靠度指标最大,随机变量灵敏度对拱肋可靠度指标影响最大的为拱肋截面面积,其次为钢管弹性模量,立柱截面面积、汽车荷载与主拱抗弯惯性矩等对其均有不同程度的影响。     

基于改进支持向量机的交通流量预测算法研究

城市交通流具有复杂性、时变性和随机性,如何实时准确的预测交通流量是实现智能交通诱导及控制的前提.结合交通流的时间序列特性,提出基于改进支持向量机的交通流预测算法,该算法能够克服神经网络预测的不足,对支持向量机算法在嵌入维数、核函数和参数选择上进行了改进.实验仿真结果表明,该算法具有很好的预测精度和适用性.     

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.     

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。     

基于蚁群优化支持向量机的公路隧道围岩变形预测模型及应用

为及时掌握隧道施工中围岩变形趋势以便采取措施加以控制,采用基于结构风险最小化的支持向量机(SVM)进行预测。介绍支持向量机的基本原理,研究蚁群算法(ACO)实现支持向量机参数优化的方法,构建ACOSVM模型。对某公路隧道随机选取的2个监测断面的预测结果表明,该模型预测精度较高,泛化性能较好,用蚁群算法进行SVM参数优选是一种简单、优选的方法,可以有效指导隧道的施工。     

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。     

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。     

支持向量机在公路软基沉降预测中的应用

针对公路软土地基沉降发生的过程多变量、强耦合、强干扰、大滞后的复杂特性,提出利用支持向量机(Support Vector Machine,SVM)对公路软基进行沉降预测建模,使用加载过程中的沉降观测数据作为训练样本集,建立可依据现场测量数据对软基沉降量随时间发展的过程进行动态预报的分析方式.仿真试验和实践结果表明,该模型能够更准确地反映实际沉降过程,且满足精确性和适用性的要求.     

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....     

基于支持向量机的交通事故组合预测方法研究

对灰色理论、神经网络和支持向量机的预测模型进行了研究,对灰色理论、神经网络和支持向量机3种预测方法进行了线性组合、神经网络组合和支持向量机的组合预测.以1995～2004年某公路路段的交通事故次数为例,与单一预测方法结果、线性组合预测和神经网络组合预测进行对比,认为支持向量机组合预测方法比较精确.     

基于支持向量机的气压辅助掘进条件下盾构隧道地表变形预测研究

与常规土压平衡盾构掘进相比,气压辅助掘进条件下的地表变形过程更为复杂。为提高预测模型的工程适应性,准确预测气压辅助条件下的地表变形量,保障该条件下盾构顺利掘进,引入支持向量机(SVM)理论,利用粒子群算法(PSO)对支持向量机的超参数组合进行优化;同时,优化模型输入参数,将隧道上覆黏土层厚度和气压值设为输入参数,并针对上覆非均质土层改进模型参数计算方法,建立适用于气压辅助掘进的PSO-SVM地表变形预测模型。为验证预测模型的准确性和实用性,以广州地铁18号线陇枕出入场线某一区间为例,使用优化了输入参数的模型进行预测,并在此基础上,综合采用PSO-SVM、SVM和PSO-BP3种模型进行地表变形预测分析。结果表明:1)针对气压辅助掘进工法优化输入参数的PSO-SVM模型可以较好地满足工程需要;2)PSO-SVM模型的适应性显著高于PSO-BP和SVM模型,具有较好的工程适用性。     

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.     

基于支持向量机的多年冻土路基融沉变形预测

多年冻土路基热稳定性差,工后沉降量大,路基病害较为严重。如果能够准确预测该类路基的工后融沉值,就可为工程建设提供重要的参考依据,从而提高该类路基的路用性能。为此,在对现有预测模型应用效果分析的基础上,首次将支持向量机应用于多年冻土路基融沉变形的预测中,提出了一种有效可行的新型预测方法,并以实际工程为依托,构建了基于支持向量机原理的多年冻土路基融沉变形预测模型。通过与实测值及其它预测模型的对比分析表明：该模型在预测过程中有效的避免了“过拟合”及“维数灾难”,人为干预较少,具有预测精度高,泛化能力强,预测结果稳定的特点,成功的解决了多年冻土路基影响因素多,样本数量少等带来的预测难题。     

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。     

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。