唐琪
- 作品数：7 被引量：16H指数：2
- 供职机构：河海大学水利水电学院更多>>
- 发文基金：国家自然科学基金国家教育部博士点基金中央高校基本科研业务费专项资金更多>>
- 相关领域：水利工程理学电子电信更多>>
- 基于SAPSO-RVM的大坝变形预测模型
- 支持向量机(SVM)存在结构稀疏化不足,缺乏概率信息等缺陷,将性能更具优势的相关向量机(RVM)理论引入到大坝变形预测的应用中.RVM模型的核函数选择高斯径向基函数,核参数用基于模拟退火的混合粒子群算法(SAPSO)进行...
- 唐琪包腾飞李月娇屠立峰
- 关键词：大坝支持向量机核函数混合粒子群算法
- 逐步RVM-Markov模型在大坝变形预测中的应用被引量：4
- 2015年
- 相关向量机(RVM)模型具有结构稀疏化、核函数选择范围广等特点,应用到大坝变形预测中比支持向量机(SVM)模型更具优势.同时考虑到残差对预测精度的影响,引入Markov链用于预测数据修正,从而得到一种高精度的逐步RVM-Markov组合模型.在实际应用中,RVM模型的泛化能力与SVM相当,向量数量却远小于SVM模型,计算过程得到简化,Mrakov链对残差进行修正后又提高了预测精度.将上述组合模型用于大坝变形实例分析,获得了较好的回归预测效果.
- 唐琪包腾飞杜传阳滕雯雯
- 关键词：相关向量机MARKOV链
- 基于PSO-RVM-ARIMA的大坝变形预警模型被引量：7
- 2015年
- 为克服支持向量机对核函数需满足Mercer条件的不足,学者们将相关向量机RVM引入大坝安全监测模型。为进一步提高RVM模型的预测精度,首先通过粒子群算法PSO对RVM的核参数寻优,再利用ARIMA模型对PSO-RVM模型的拟合残差项进行预测修正,建立PSO-RVM-ARIMA模型。通过实例分析,PSO-RVM-ARIMA模型的预测精度和泛化能力较RVM模型均有一定程度的提高。
- 屠立峰包腾飞唐琪李月娇
- 关键词：相关向量机ARIMA预警模型
- 基于SDCS-SVM的大坝安全监测模型被引量：2
- 2015年
- 惩罚因子c和核函数参数σ的选择对于支持向量机(SVM)回归模型的拟合和预测精度至关重要.为克服SVM模型易陷入局部最优点的缺陷,利用基于最速下降法的混合布谷鸟搜索算法(SDCS)进行SVM参数的优选,提出了SDCS-SVM模型并运用于大坝的安全监测.通过实例验证分析表明,与多元回归模型相比,SDCS-SVM模型的预测精度和泛化能力均有一定程度的提高.
- 屠立峰包腾飞唐琪赵斌
- 关键词：最速下降法支持向量机
- 基于改进自适应遗传算法的大坝变形支持向量机预测模型被引量：1
- 2015年
- 针对支持向量机模型预测大坝变形的核心为选取惩罚因子C和核函数参数σ的问题,以及标准遗传算法可能存在收敛局部小而最后得不到全局最优解、收敛速度慢等缺点,采用改进的自适应遗传算法对参数进行寻优。实例应用表明,与自适应遗传算法的支持向量机模型和统计模型相比,改进的自适应遗传算法的支持向量机模型推广能力和泛化能力更好,从而证明该预测模型具有可行性和实用性。
- 李月娇包腾飞屠立峰唐琪伏晓
- 关键词：大坝变形支持向量机
- 基于SAPSO-RVM的大坝变形预测模型及应用被引量：1
- 2015年
- 鉴于支持向量机(SVM)存在结构稀疏化不足、缺乏概率信息等缺陷,将性能更具优势的相关向量机(RVM)理论引入到大坝变形预测的应用中。选择高斯径向基函数作为RVM模型的核函数,核参数用基于模拟退火的混合粒子群算法(SAPSO)进行寻优,进而建立SAPSO-RVM回归预测模型。实例应用结果表明,RVM模型的向量数量远小于SVM模型,在保持良好泛化能力的前提下计算结构得到简化,混合粒子群算法相较于一般粒子群算法其全局寻优能力也有所提高,SAPSO-RVM模型回归预测精度较高。
- 唐琪包腾飞李月娇屠立峰
- 关键词：相关向量机核函数混合粒子群算法
- 基于不同核函数的某重力拱坝相关向量机模型精度比较被引量：2
- 2015年
- 鉴于相关向量机的模型精度受核函数的影响较大,建立了基于修正高斯核函数、多项式核函数及其混合核函数的某重力拱坝相关向量机模型,并利用自适应粒子群算法对核函数的参数进行寻优。实例应用结果表明,混合核函数的性能最优,可提高大坝安全预测精度。
- 顾微包腾飞王慧唐琪
- 关键词：相关向量机核函数自适应粒子群算法
