简介概要

基于PSO-SVM与ACO-SVM的沿桩长基桩轴力分布预测

来源期刊:勘察科学技术2015年第5期

论文作者:黄伟杰 陈志坚

文章页码:1 - 4

关键词:超长桩;粒子群算法;蚁群算法;支持向量机;轴力预测;

摘    要:由于苏通大桥群桩基础的超长桩在不同断面的轴力沿桩长分布具有复杂非线性的特点,为了实现对不同高程断面的轴力进行预测,引入粒子群算法与蚁群算法对支持向量机进行优化,在考虑断面高程、潮位、水温与风速等影响因素的基础上,建立沿桩长基桩轴力分布的优化SVM预测模型。研究表明,PSO-SVM与ACO-SVM模型比传统SVM在预测精度、模型稳定性与泛化能力方面有更好的表现,在超长桩不同高程断面的轴力预测中,具有一定的工程应用价值。

详情信息展示

基于PSO-SVM与ACO-SVM的沿桩长基桩轴力分布预测

黄伟杰,陈志坚

河海大学地球科学与工程学院

摘 要:由于苏通大桥群桩基础的超长桩在不同断面的轴力沿桩长分布具有复杂非线性的特点,为了实现对不同高程断面的轴力进行预测,引入粒子群算法与蚁群算法对支持向量机进行优化,在考虑断面高程、潮位、水温与风速等影响因素的基础上,建立沿桩长基桩轴力分布的优化SVM预测模型。研究表明,PSO-SVM与ACO-SVM模型比传统SVM在预测精度、模型稳定性与泛化能力方面有更好的表现,在超长桩不同高程断面的轴力预测中,具有一定的工程应用价值。

关键词:超长桩;粒子群算法;蚁群算法;支持向量机;轴力预测;

<上一页 1 下一页 >

有色金属在线官网  |   会议  |   在线投稿  |   购买纸书  |   科技图书馆

中南大学出版社 技术支持 版权声明   电话:0731-88830515 88830516   传真:0731-88710482   Email:administrator@cnnmol.com

互联网出版许可证:(署)网出证(京)字第342号   京ICP备17050991号-6      京公网安备11010802042557号