偏最小二乘(pls)運算降低電力負荷數據之間的相關性,最小二乘支持向量機(ls-svm)可以獲得模型的全局最優預測效果,減少預測過程的運算量。介紹了pls和ls-svm的基本原理,給出了pls-ls-svm建立短期日電力負荷預測模型的過程,并用于某地區2008年的用電日負荷預測,預測的平均相對誤差和最大相對誤差分別為0.685%和8.8599%。與基于ar(1)模型的預測結果相比,pls-ls-svm模型更高的預測準確性可為短期電力負荷預測提供有效依據。

通過影響因素分析,確定了軟土層厚度、軟土層壓縮模量、地表硬層厚度、地表壓縮模量、路堤高度、路堤頂寬、路基填筑時間和填筑竣工時沉降量等參數對公路軟基沉降有影響。對公路軟基的觀測數據進行分析和取樣,輸入樣本為各參數,輸出樣本為路堤中線下地表沉降值,利用最小二乘支持向量機的非線性映射和泛化能力,通過訓練,建立了公路軟基沉降預測模型。研究表明,所建立的模型對公路軟基沉降進行預測具有較高的精度,同時具有很好的泛化性能。

基于支持向量機的砂土液化預測模型——分析了砂土液化的主要影響因素，建立了砂土液化的支持向量機預測模型。該模型能通過有限經驗數據的學習，建立砂土液化類型與其影響因素之間的非線性關系。運用所建立的模型對具體的砂土液化類型進行了評判，評判結果表明，...

基于最小二乘支持向量機回歸的基坑變形預測——將最小二乘支持向量機回歸用于基坑變形預測．根據基坑位移的實測時間序列資料，應用最小二乘支持向量機回歸建立了基坑位移與時間的關系模型．研究結果表明，最小二乘支持向量機回歸用于基坑變形預測，具有較高的預...

針對在工程實踐中,應用單一方法預測建筑物沉降存在著局限性,提出了基于最小二乘支持向量機回歸綜合單一方法預測沉降量。該方法能綜合單一方法的特點,增強了模型的普適性,從而提高了預測精度和預報期次。文中討論了如何實現和運用該方法,最后通過實例驗證了其有效性。

隧道圍巖變形預測的最小二乘支持向量機方法——為及時掌握圍巖變形趨勢并采取措施加以控制，在嶺南高速雪家莊隧道施工過程中，采用一種新的時間序列預測模型--最小二乘支持向量機(ls-svm)。介紹了ls．svm的基本原理和該預測模型的具體操作步驟，實踐表明，該方...

為了獲得更理想的混凝土強度預測結果,提出一種混沌粒子群算法優化最小二乘支持向量機（lssvm）的混凝土強度預測模型。首先采集混凝土強度數據,并進行歸一化處理。然后采用lssvm對混凝土強度與影響因子之間的變化關系進行建模,并采用混沌粒子群算法搜索最優lssvm參數。最后采用具體混凝土強度預測實例對其性能進行分析。結果表明,本文模型可以準確描述混凝土強度與影響因子間的變化關系,提高了混凝土強度預測精度,具有一定的實際應用價值。

針對最小二乘支持向量機在利用產生于工業現場的非理想數據集進行建模預測時,稀疏化模型魯棒性差的問題,提出了一種基于模糊c均值聚類和密度加權的稀疏化方法.首先通過模糊c均值聚類將訓練樣本劃分為若干個子類;然后計算每個子類中各樣本的可能貢獻度,依次從每個子類中選取具有最大可能貢獻度的樣本作為支持向量;最后更新每個樣本的可能貢獻度,繼續從各個子集中增選支持向量,直至稀疏化后的模型性能滿足要求.仿真結果和磨機負荷實際應用表明,該方法能夠兼顧模型在整體樣本集和各工況子集上的性能,在實現模型稀疏化的同時,能夠顯著改善最小二乘支持向量機模型的魯棒性.

針對最小二乘支持向量機在電力負荷預測應用中的參數優化問題,將改進粒子群算法引入到最小二乘支持向量機參數中,建立一種新型的電力負荷預測模型(ipso-lssvm)。首先將最小二乘支持向量機參數編碼為粒子初始位置向量;然后通過粒子個體之間的信息交流、協作找到最小二乘支持向量機的最優參數,并針對標準粒子群算法的不足進行相應改進;最后將其應用于電力負荷建模與預測,并通過仿真對比實驗測試其性能。實驗結果表明,ipso-lssvm可以獲得較高準確度的電力負荷預測結果,大幅度減少了訓練時間,滿足電力負荷在線預測要求。

基于最小二乘支持向量機回歸的單樁豎向極限承載力預測——基于單樁載荷試驗數據，采用最小二乘支持向量機(lssvm)回歸的方法，建立了單樁豎向極限承載力的預測模型．利用文獻中樁的載荷試驗數據來訓練lssvm模型，并確定了模型參數．研究結果表明，同常用的bp網絡...

為提高水庫來水量的預測精度,提出了一種基于最小二乘支持向量機(ls-svm)的來水量預測模型。實例應用結果表明,該模型預測能力強、預測精度高,其預測精度明顯高于bp模型,為來水量預測提供了一種可靠、有效的方法。

根據沉降數據的特性,以最小二乘支持向量機為核心技術構建預測模型,提出了一種路基沉降預測的新方法。由于測量誤差不可避免,沉降數據通常含有噪聲,不宜直接進行擬合,因此首先采用小波分析的方法對原始沉降數據進行降噪預處理,然后饋送到最小二乘支持向量機完成沉降預測。最后用某高速公路實測數據進行了實例分析,并與bp神經網絡預測結果進行了對比,計算結果表明,小波分析結合支持向量機的模型有較好的預測精度,將該模型應用于公路軟基沉降預測是可行的和值得研究的。

提出一種聯合灰色模型(greymodel,gm)和最小二乘支持向量機回歸(leastsquaresupportvectorregression,lssvr)算法的電力短期負荷智能組合預測方法。在考慮負荷日周期性的基礎上,通過對歷史負荷數據的不同取舍,構建出各種不同的歷史負荷數據序列,并對每個歷史數據序列分別建立能修正β參數的gm(1,1)灰色模型進行負荷預測;采用最小二乘支持向量機回歸算法對不同灰色模型的預測結果進行非線性組合,以獲取最終預測值。該方法在充分利用灰色模型所需原始數據少、建模簡單、運算方便等優勢的基礎上,結合最小二乘支持向量機所具有的泛化能力強、非線性擬合性好、小樣本等特性,提高了預測精度。仿真結果驗證了所提出組合方法的有效性和實用性。

采用eof時空分解、小波頻率分解和最小二乘支持向量機(ls-svm)交叉互補方法,建立夏季500hpa位勢高度場的預測模型,用以描繪和表述副熱帶高壓形勢場的形態和變化。首先用經驗正交函數分解(eof)方法將ncep/ncar再分析資料500hpa位勢高度場序列分解為彼此正交的特征向量及其對應時間系數,隨后提取前15個主要特征向量的時間系數(方差貢獻96.2%),采用小波分解方法將其分解為相對簡單的帶通信號,再利用ls-svm方法建立各分量信號的預測模型,最后通過小波時頻分量重構和eof時空重構,得到500hpa位勢高度場的預測結果以及副熱帶高壓形勢場的預測。通過對預測模型的試驗情況和分析對比,結果表明:基于上述思想提出的算法模型能較為準確地描述500hpa位勢高度場的形態分布并預測1～7d的副熱帶高壓活動,對10～15d的副熱帶高壓活動預測結果也有參考意義。

針對工程造價變化的時變性、混沌性,提出一種混沌理論和最小二乘支持向量機的工程造價預測模型.首先收集工程造價歷史樣本并進行相應的預處理,然后根據混沌理論確定最優延遲時間和嵌入維數,重建工程造價的訓練集和測試集,最后用最小二乘支持向量機建立工程造價預測模型,并采用具體建筑工程造價數據進行仿真測試.結果表明,相對其他工程造價預測模型,該模型可以很好地反映工程造價的變化趨勢,提高工程造價的預測準確性.

最小二乘支持向量機在熱舒適性pmv指標預測中的應用研究——介紹了一種新型的機器學習算法—最小二乘支持向量機的原理,并針對預測pmv指標建立了最小二乘支持向量機預測模型。該模型的預測結果表明,最小二乘支持向量機預測準確度高,計算過程速度快,可以滿足以pmv...

由于公路工程造價的影響因素錯綜復雜,且歷史數據非常有限,使公路工程造價預測成為典型的小樣本條件下非線性回歸問題。針對傳統的回歸方法解決這類問題的不足,該文提出一種新型的公路工程造價預測模型。該模型基于最小二乘支持向量機的基本原理,結合公路工程的具體特征,實現了公路工程造價的智能化預測。新模型充分發揮了最小二乘支持向量機在解決有限樣本及非線性回歸問題中的優勢,建立了較準確的預測模型,且訓練速度較普通支持向量機更快。實證數據分析驗證了本模型的有效性。

為實現建設工程造價的快速和準確預測,此文提出基于模糊最小二乘支持向量機的建設工程造價預測方法。該方法可較好解決小樣本預測問題,適合于當前工程造價樣本數據量少的現狀。通過隸屬度函數對樣本進行模糊化和加權,實現對歷史數據和相似數據的優化選擇,提高了預測準確性。將標準svm的二次規劃問題轉化為線性方程組求解,提高了預測速度。通過對某市地鐵建設中區間隧道延米造價估算實例的計算,驗證了所提出預測方法的有效性。

基于我國城市防洪體系安全評價的指標體系及其等級標準,提出了一種基于小樣本的最小二乘支持向量機(ls-svm)的城市防洪體系安全綜合評價模型。在柳州市防洪體系的實例應用結果表明,該模型能較好地對城市防洪體系進行綜合評價,評價結果符合客觀實際。

網絡出版時間：2012-05-2012:16 網絡出版地址：http://www.cnki.net/kcms/detail/14.1279.tu.20120520.1216.001.html

砂土液化的評價問題——從砂土液化的機理和影響因素分析了砂土液化判別方法中存在的問題，提出了應如何正確進行初判和復判的淺見，具有理論指導和實際工程意義。

砂土液化的評價問題——從砂土液化的機理和影響因素分析了砂土液化判別方法中存在的問題，提出了應如何正確進行初判和復判的淺見，具有理論指導和實際工程意義。