论文摘要
利用最小二乘支持向量机(least square support vector machine, LSSVM)预测建筑表面的风压.为提高LSSVM对风压预测的泛化能力与精度,提出了基于混合蚁群(ant colony optimization, ACO)和粒子群(particle swarm optimization, PSO)优化LSSVM的预测方法(ACO+PSO-LSSVM),对参数进行搜索寻优,该方法避免了ACO和PSO二者的缺点并实现优势互补.利用ACO+PSO-LSSVM算法对建筑表面风压进行单点和空间点预测,并与ACO-LSSVM和PSO-LSSVM算法作比较.结果表明,基于混合蚁群优化和粒子群优化的LSSVM预测模型预测精度高、鲁棒性强,具有较高的工程应用前景.
论文目录
文章来源
类型: 期刊论文
作者: 涂伟平,李春祥
关键词: 风压预测,最小二乘支持向量机,智能算法,蚁群优化算法,粒子群优化算法
来源: 上海大学学报(自然科学版) 2019年02期
年度: 2019
分类: 基础科学,工程科技Ⅱ辑,信息科技
专业: 电力工业,自动化技术
单位: 上海大学土木工程系
基金: 国家自然科学基金资助项目(51378304)
分类号: TM614;TP18
页码: 347-356
总页数: 10
文件大小: 9805K
下载量: 105
相关论文文献
标签:风压预测论文; 最小二乘支持向量机论文; 智能算法论文; 蚁群优化算法论文; 粒子群优化算法论文;