基于混合智能优化LSSVM的非高斯脉动风速预测

发布时间：2018-02-25 08:28

  本文关键词： 非高斯脉动风速 混合智能优化 最小二乘支持向量机 蚁群优化 粒子群优化 遗传算法　出处：《振动与冲击》2017年20期 　论文类型：期刊论文

【摘要】：考虑智能优化:蚁群算法(ACO)、遗传算法(GA)和粒子群算法(PSO)各自优缺点,并为充分发挥蚁群、遗传算法较好的全局搜索能力和粒子群算法的分级搜索机制,提出混合蚁群和粒子群优化(ACO+PSO)和混合遗传算法和粒子群优化(GA+PSO)最小二乘支持向量机(LSSVM)的非高斯脉动风速预测模型,分别称为ACO+PSO-LSSVM和GA+PSO-LSSVM。运用ACO+PSO-LSSVM和GA+PSO-LSSVM预测模型对某超高层建筑的非高斯脉动风速进行了预测;为比较目的,同时给出ACO-LSSVM、PSO-LSSVM和GA-LSSVM的非高斯脉动风速预测结果。经仔细检查非高斯脉动风速时程预测值、相关函数预测值以及预测性能评价指标,验证了基于混合智能优化LSSVM对非高斯脉动风速预测的有效性和优势。
[Abstract]:Considering intelligent optimization: ant colony algorithm (ACO), genetic algorithm (GA) and particle swarm optimization (PSO) have their respective advantages and disadvantages. In order to give full play to ant colony, genetic algorithm has better global search ability and particle swarm optimization (PSO) hierarchical search mechanism. A non-#china_person0# prediction model of fluctuating wind speed based on mixed ant colony and particle swarm optimization (ACO PSO) and hybrid genetic algorithm (GA PSO) and particle swarm optimization (GA PSO) least squares support vector machine (LSSVM) is presented. ACO PSO-LSSVM and GA PSO-LSSVM. using ACO PSO-LSSVM and GA PSO-LSSVM prediction model, the non-#china_person0# pulsating wind speed of a super high-rise building is predicted. At the same time, the prediction results of non-#china_person0# pulsating wind speed based on ACO-LSSVMM-PSO-LSSVM and GA-LSSVM are given. The validity and advantage of LSSVM based on hybrid intelligence to predict non-Gao Si fluctuating wind speed are verified.
【作者单位】： 上海大学土木工程系;同济大学建筑工程系;
【基金】：国家自然科学基金(51378304)
【分类号】：TP18;TU973.213

【相似文献】

相关期刊论文 前10条

1 李锦华;李春祥;申建红;;非平稳脉动风速的数值模拟[J];振动与冲击;2009年01期

2 冯宏;肖正直;李正良;魏奇科;孙毅;欧阳光;;复杂山地环境下脉动风速谱研究[J];湖南大学学报(自然科学版);2013年01期

3 楼文娟;王嘉伟;杨伦;陈勇;;雷暴风三维脉动风速场数值模拟[J];浙江大学学报(工学版);2014年07期

4 李杰;阎启;;结构随机动力激励的物理模型:以脉动风速为例[J];工程力学;2009年S2期

5 黄鹏;戴银桃;王旭;顾明;;上海沿海地区近地风脉动风速谱及相干性研究[J];工程力学;2014年04期

6 孙芳锦;张爱社;;基于谱修正方法的非高斯风场模拟[J];防灾减灾工程学报;2012年02期

7 何军;寇新建;;非高斯结构首次超越分析的概率模型[J];计算力学学报;2007年01期

8 叶江水;王仲刚;陈友良;黄高琼;;基于前四阶矩的非高斯响应概率密度函数逼近方法研究[J];后勤工程学院学报;2010年01期

9 孙芳锦;张爱社;;基于神经网络的大跨度屋盖非高斯风压场模拟方法[J];郑州大学学报(工学版);2011年04期

10 孙毅;李正良;黄汉杰;陈朝晖;魏奇科;;山地风场平均及脉动风速特性试验研究[J];空气动力学学报;2011年05期

相关会议论文 前7条

1 李杰;阎启;;结构随机动力激励的物理模型——以脉动风速为例[A];第18届全国结构工程学术会议论文集第Ⅰ册[C];2009年

2 肖仪清;李利孝;吴志学;李朝;李秋胜;宋丽莉;;基于近地观测的台风脉动风速谱研究[A];第十三届全国结构风工程学术会议论文集（上册）[C];2007年

3 黄韬颖;杨庆山;;中美澳三国风荷载规范关于脉动风速规定的区别[A];第十三届全国结构风工程学术会议论文集（下册）[C];2007年

4 欧阳潞;徐国彬;;脉动风速曲线的计算机仿真[A];第八届全国结构工程学术会议论文集（第Ⅲ卷）[C];1999年

5 全涌;顾明;陈斌;;一种非高斯风压系数极值计算方法[A];第十四届全国结构风工程学术会议论文集（下册）[C];2009年

6 柯世堂;赵林;张军锋;葛耀君;;冷却塔表面脉动风压的非高斯特性及风压极值[A];第十四届全国结构风工程学术会议论文集（上册）[C];2009年

7 叶继红;侯信真;;大跨屋盖脉动风压的非高斯特性[A];第十四届全国结构风工程学术会议论文集（中册）[C];2009年

相关硕士学位论文 前8条

1 张星明;近地实测台风脉动风速的非高斯性分析与建模[D];哈尔滨工业大学;2011年

2 常国财;非高斯风作用下输电塔极值响应研究[D];西南交通大学;2015年

3 吴春鹏;非平稳非高斯风荷载的数值模拟[D];华东交通大学;2016年

4 冯鹤;大跨开敞式干煤棚风荷载研究及非高斯风压场模拟[D];浙江大学;2016年

5 蒙若芸;低层建筑非平稳非高斯风压场模拟[D];华中科技大学;2016年

6 吴昊;考虑非平稳性的顺风向脉动风速修正谱研究[D];哈尔滨工业大学;2013年

7 孙振;建筑结构风荷载的计算机模拟与分析[D];南京航空航天大学;2007年

8 刘浩;北京城区近地面强风场的统计特性[D];北京交通大学;2010年

，

本文编号：1533684