本文選題：支持向量機(jī) + 布谷鳥搜索算法�。� 參考：《武漢理工大學(xué)》2015年碩士論文

【摘要】：隨著我國越來越多的高速公路投入運營,其養(yǎng)護(hù)水平的高低直接影響到高速公路的使用壽命和通行質(zhì)量,我國已經(jīng)開始進(jìn)行高速公路養(yǎng)護(hù)市場化的改革。及時有效地進(jìn)行小修保養(yǎng),可以減少進(jìn)行大中修的次數(shù),延長公路的使用壽命。對于小修保養(yǎng)工程量影響因素及其預(yù)測的研究,能夠為養(yǎng)護(hù)部門在進(jìn)行公開招標(biāo)時提供數(shù)據(jù)支撐和決策支持,更加合理地分配有限的養(yǎng)護(hù)資金,讓養(yǎng)護(hù)資金得到最大化的利用,是具有重要意義的。本文通過調(diào)查研究國內(nèi)外相關(guān)資料的基礎(chǔ)上,結(jié)合當(dāng)前我國高速公路養(yǎng)護(hù)的特點和現(xiàn)狀,概括總結(jié)了高速公路瀝青路面小修保養(yǎng)路面破損維修量的影響因素,并在此基礎(chǔ)之上,引入支持向量機(jī)回歸對路面破損維修工程量進(jìn)行預(yù)測。本文將一種新型元啟發(fā)式算法——布谷鳥搜索算法應(yīng)用于支持向量機(jī)參數(shù)尋優(yōu)中,與原有的基于遺傳算法優(yōu)化支持向量機(jī)參數(shù)的方法進(jìn)行對比,表明了利用布谷鳥搜索算法優(yōu)化支持向量機(jī)參數(shù)的可行性以及所具有的優(yōu)勢。在此基礎(chǔ)上對布谷鳥搜索算法進(jìn)行改進(jìn),提出了基于高斯擾動和基于梯度下降法的布谷鳥搜索算法優(yōu)化支持向量機(jī)參數(shù),與原有方法進(jìn)行比較,分別使用普通布谷鳥搜索算法、基于高斯擾動的布谷鳥搜索算法和基于梯度下降法的布谷鳥搜索算法優(yōu)化支持向量機(jī)參數(shù)后對路面破損維修工程量進(jìn)行預(yù)測,實驗結(jié)果表明,采用基于梯度下降法的布谷鳥搜索算法優(yōu)化支持向量機(jī)參數(shù)的預(yù)測結(jié)果相對誤差為9.75%,3-折交叉驗證的均方誤差為170.7395,參數(shù)尋優(yōu)的迭代次數(shù)為130次,優(yōu)于普通布谷鳥搜索算法優(yōu)化支持向量機(jī)參數(shù)的198次迭代和基于高斯擾動的布谷鳥搜索算法優(yōu)化支持向量機(jī)參數(shù)的146次迭代,且在這三種方法中,其收斂下降的速度是最快的。
[Abstract]:With more and more expressways put into operation in our country, the level of maintenance has a direct impact on the service life and traffic quality of freeway, so our country has begun to carry out the reform of freeway maintenance marketization.Timely and effective minor repair and maintenance can reduce the number of major repairs and prolong the service life of the highway.The research on the factors affecting the quantity of minor repairs and maintenance and its prediction can provide data support and decision support for the maintenance department in conducting public bidding, allocate the limited maintenance funds more reasonably, and maximize the utilization of the maintenance funds.Is of great significance.On the basis of investigation and study of relevant data at home and abroad, combined with the characteristics and present situation of expressway maintenance in China, this paper summarizes the factors affecting the amount of damaged pavement maintenance of highway asphalt pavement, and on this basis,Support vector machine regression is introduced to predict the amount of pavement damage and maintenance.In this paper, a new meta-heuristic algorithm, Cuckoo search algorithm, is applied to the parameter optimization of support vector machine, which is compared with the original method based on genetic algorithm to optimize the parameters of support vector machine.The feasibility and advantages of using cuckoo search algorithm to optimize support vector machine parameters are demonstrated.On this basis, an improved Cuckoo search algorithm is proposed, which is based on Gao Si perturbation and gradient descent algorithm to optimize support vector machine parameters. Compared with the original method, the common cuckoo search algorithm is used respectively.After optimizing the parameters of support vector machine (SVM), the Cuckoo search algorithm based on Gao Si disturbance and the Cuckoo search algorithm based on gradient descent method are used to predict the amount of pavement damage and maintenance. The experimental results show that,Based on the gradient descent method, the relative error of the prediction result of optimizing the parameters of support vector machine by Cuckoo search algorithm based on gradient descent method is 9.75 and the mean square error of cross-validation is 170.7395, and the number of iterations of parameter optimization is 130.It is better than the 198 iterations of the ordinary cuckoo search algorithm to optimize the parameters of the support vector machine and the 146 iterations of the optimization of the parameters of the support vector machine based on Gao Si's perturbation, and the speed of convergence of these three methods is the fastest.
【學(xué)位授予單位】：武漢理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：U418.2

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 路璐;程良倫;;改進(jìn)布谷鳥搜索算法優(yōu)化SVM的網(wǎng)絡(luò)流量預(yù)測模型[J];計算機(jī)應(yīng)用與軟件;2015年01期

2 何思露;韓堅華;;基于布谷鳥搜索算法的SVR參數(shù)選擇[J];華南師范大學(xué)學(xué)報(自然科學(xué)版);2014年06期

3 王李進(jìn);尹義龍;鐘一文;;逐維改進(jìn)的布谷鳥搜索算法[J];軟件學(xué)報;2013年11期

4 段清偉;;高速公路養(yǎng)護(hù)管理模式優(yōu)化設(shè)計探討[J];黑龍江交通科技;2013年10期

5 李宇煒;成琳娜;韓琨;;高速公路預(yù)防性養(yǎng)護(hù)措施應(yīng)用效果評價[J];山西建筑;2013年29期

6 杜利敏;阮奇;馮登科;;基于共軛梯度的布谷鳥搜索算法[J];計算機(jī)與應(yīng)用化學(xué);2013年04期

7 滕偉玲;姚玉玲;;高速公路小修保養(yǎng)工程量的預(yù)測模型[J];長安大學(xué)學(xué)報(自然科學(xué)版);2012年06期

8 李向濤;殷明浩;;Parameter estimation for chaotic systems using the cuckoo search algorithm with an orthogonal learning method[J];Chinese Physics B;2012年05期

9 王凡;賀興時;王燕;;基于高斯擾動的布谷鳥搜索算法[J];西安工程大學(xué)學(xué)報;2011年04期

10 張春峰;王佳杰;潘芳;;道路養(yǎng)護(hù)工程量線性回歸分析[J];交通標(biāo)準(zhǔn)化;2010年23期

相關(guān)博士學(xué)位論文 前2條

1 侯貽棟;山東省高速公路養(yǎng)護(hù)維修工程量預(yù)測方法研究[D];長安大學(xué);2012年

2 溫勝強(qiáng);基于組合預(yù)測與模糊優(yōu)化的高速公路路面養(yǎng)護(hù)決策研究[D];大連理工大學(xué);2009年

相關(guān)碩士學(xué)位論文 前6條

1 張晴;基于支持向量機(jī)的商業(yè)銀行信用風(fēng)險研究[D];浙江大學(xué);2014年

2 王迎東;改進(jìn)支持向量機(jī)在邊坡穩(wěn)定性評價及參數(shù)反演中的應(yīng)用[D];中國地質(zhì)大學(xué)（北京）;2014年

3 朱夢蘇;線性回歸方程在公路小修保養(yǎng)預(yù)算指標(biāo)編制中的應(yīng)用[D];昆明理工大學(xué);2013年

4 王茜茜;高速公路瀝青路面小修養(yǎng)護(hù)費用關(guān)鍵性影響因素研究[D];西南交通大學(xué);2013年

5 穆進(jìn)超;多要素SVM時間序列預(yù)測研究及其并行化實現(xiàn)[D];蘭州大學(xué);2009年

6 曾慶霞;基于支持向量機(jī)的水泥路面使用性能評價與預(yù)測的研究[D];長沙理工大學(xué);2008年

，

本文編號：1766183