基于混合蚁群和粒子群优化LSSVM的脉动风速预测

发布时间：2017-07-14 11:21

  本文关键词：基于混合蚁群和粒子群优化LSSVM的脉动风速预测

  更多相关文章： 脉动风速预测 最小二乘支持向量机 混合智能优化 蚁群算法 粒子群算法

【摘要】：为提高最小二乘支持向量机(LSSVM)对脉动风速预测的精确性,提出了基于混合蚁群和粒子群优化LSSVM的预测方法。对LSSVM参数进行搜索寻优,主要分为两阶段:第一阶段,利用蚁群算法在参数空间进行全局搜索,实现对LSSVM参数的初步寻优;第二阶段,利用蚁群算法获得的寻优结果初始化粒子群粒子位置,实行进一步的粒子群搜索寻优,获得更为精确的LSSVM。运用基于混合蚁群和粒子群优化的LSSVM对脉动风速时程进行预测,并与分别基于蚁群和粒子群优化的LSSSVM预测结果进行对比。数值分析表明,基于混合蚁群和粒子群优化的LSSVM预测方法精度高、鲁棒性强,具有工程应用前景。
【作者单位】： 上海大学土木工程系;东南大学混凝土与预应力混凝土结构教育部重点实验室;
【关键词】： 脉动风速预测 最小二乘支持向量机 混合智能优化 蚁群算法 粒子群算法
【基金】：国家自然科学基金(51378304)
【分类号】：TU312.1;TP18
【正文快照】： 风振时域计算分析,可以更全面地了解超高层建筑、大跨桥梁和空间结构等的风振响应特性以及风致振动控制的有效性。风速通常分为平均风速和脉动风速,其中脉动风速具有随机特征,其周期较短,更接近结构的自振周期,使结构可能发生顺风向振动、横风向驰振、漩涡脱落、扭转发散振动

【相似文献】

中国期刊全文数据库 前10条

1 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

2 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

3 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

4 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

5 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

6 李杰;阎启;;脉动风速随机Fourier波数谱研究[J];同济大学学报(自然科学版);2011年12期

7 李t，

本文编号：540901