本文關(guān)鍵詞：基于混合蟻群和粒子群優(yōu)化LSSVM的脈動(dòng)風(fēng)速預(yù)測(cè)

  更多相關(guān)文章： 脈動(dòng)風(fēng)速預(yù)測(cè) 最小二乘支持向量機(jī) 混合智能優(yōu)化 蟻群算法 粒子群算法

【摘要】：為提高最小二乘支持向量機(jī)(LSSVM)對(duì)脈動(dòng)風(fēng)速預(yù)測(cè)的精確性,提出了基于混合蟻群和粒子群優(yōu)化LSSVM的預(yù)測(cè)方法。對(duì)LSSVM參數(shù)進(jìn)行搜索尋優(yōu),主要分為兩階段:第一階段,利用蟻群算法在參數(shù)空間進(jìn)行全局搜索,實(shí)現(xiàn)對(duì)LSSVM參數(shù)的初步尋優(yōu);第二階段,利用蟻群算法獲得的尋優(yōu)結(jié)果初始化粒子群粒子位置,實(shí)行進(jìn)一步的粒子群搜索尋優(yōu),獲得更為精確的LSSVM。運(yùn)用基于混合蟻群和粒子群優(yōu)化的LSSVM對(duì)脈動(dòng)風(fēng)速時(shí)程進(jìn)行預(yù)測(cè),并與分別基于蟻群和粒子群優(yōu)化的LSSSVM預(yù)測(cè)結(jié)果進(jìn)行對(duì)比。數(shù)值分析表明,基于混合蟻群和粒子群優(yōu)化的LSSVM預(yù)測(cè)方法精度高、魯棒性強(qiáng),具有工程應(yīng)用前景。
【作者單位】： 上海大學(xué)土木工程系;東南大學(xué)混凝土與預(yù)應(yīng)力混凝土結(jié)構(gòu)教育部重點(diǎn)實(shí)驗(yàn)室;
【關(guān)鍵詞】： 脈動(dòng)風(fēng)速預(yù)測(cè) 最小二乘支持向量機(jī) 混合智能優(yōu)化 蟻群算法 粒子群算法
【基金】：國(guó)家自然科學(xué)基金(51378304)
【分類號(hào)】：TU312.1;TP18
【正文快照】： 風(fēng)振時(shí)域計(jì)算分析,可以更全面地了解超高層建筑、大跨橋梁和空間結(jié)構(gòu)等的風(fēng)振響應(yīng)特性以及風(fēng)致振動(dòng)控制的有效性。風(fēng)速通常分為平均風(fēng)速和脈動(dòng)風(fēng)速,其中脈動(dòng)風(fēng)速具有隨機(jī)特征,其周期較短,更接近結(jié)構(gòu)的自振周期,使結(jié)構(gòu)可能發(fā)生順風(fēng)向振動(dòng)、橫風(fēng)向馳振、漩渦脫落、扭轉(zhuǎn)發(fā)散振動(dòng)

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前10條

1 馮宏;肖正直;李正良;魏奇科;孫毅;歐陽光;;復(fù)雜山地環(huán)境下脈動(dòng)風(fēng)速譜研究[J];湖南大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年01期

2 樓文娟;王嘉偉;楊倫;陳勇;;雷暴風(fēng)三維脈動(dòng)風(fēng)速場(chǎng)數(shù)值模擬[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2014年07期

3 李杰;閻啟;;結(jié)構(gòu)隨機(jī)動(dòng)力激勵(lì)的物理模型:以脈動(dòng)風(fēng)速為例[J];工程力學(xué);2009年S2期

4 黃鵬;戴銀桃;王旭;顧明;;上海沿海地區(qū)近地風(fēng)脈動(dòng)風(fēng)速譜及相干性研究[J];工程力學(xué);2014年04期

5 孫毅;李正良;黃漢杰;陳朝暉;魏奇科;;山地風(fēng)場(chǎng)平均及脈動(dòng)風(fēng)速特性試驗(yàn)研究[J];空氣動(dòng)力學(xué)學(xué)報(bào);2011年05期

6 李杰;閻啟;;脈動(dòng)風(fēng)速隨機(jī)Fourier波數(shù)譜研究[J];同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年12期

7 李t，

本文編號(hào)：540901