边坡沉降预测【基于布谷鸟蚁群组合算法优化SVM】Matlab
边坡沉降预测【基于布谷鸟蚁群组合算法优化SVM】Matlab
文章目录
- 边坡沉降预测【基于布谷鸟蚁群组合算法优化SVM】Matlab
- 前言
- 一、边坡沉降数据特性
- 二、布谷鸟蚁群组合算法
- 三、基于布谷鸟蚁群组合算法优化SVM
- 2.CSANT-SVM 预测模型构建
- 2.预测结果
- 总结
前言
近年来由于滑坡事件的屡次发生,给人民带来了巨大的灾难和影响,因此必须对边坡进行安全监测并预测其变形趋势。针对传统预测方法存在的不足,提出一种基于布谷鸟蚁群结合的搜索算法(Cs-Ant)并用于优化支持向量机(SVM)的参数,从而构建基于改进布谷鸟搜索算法的支持向量机组合预测模型(Cs-Ant-SVM)并应用于实际边坡变形预测。
一、边坡沉降数据特性
数据是一维信号,为了进行有效预测,对其进行滑动窗口取值,得到训练数据和测试数据,训练集的输入为356,输出为351,测试集的输入为56,输出为51。
二、布谷鸟蚁群组合算法
针对标准布谷鸟搜索算法采用Levy飞行机制生成新的鸟巢,使得每次更新的鸟巢位置的随机性较大的问题,提出一种蚁群算法优化的布谷鸟搜索算法.首先,提出的算法将待更新的鸟巢位置作为蚁群优化算法的一组初始解在极小的范围内进行搜索寻优.之后,将此次蚁群优化算法搜索所得的解作为新的候选解.当蚁群优化算法搜索寻优的候选解优于Levy飞行产生的候选解时,替换掉Levy飞行的候选解.最后,再进行布谷鸟搜索算法择优算子,根据遗弃概率替换新的鸟巢位置,实现更新后的鸟巢位置更加趋向于最优解.通过六个典型的测试函数将提出的算法与标准布谷鸟算法进行了寻优性能比较.实验结果表明,提出的算法能够提升布谷鸟搜索算法候选解的质量,提高算法的收敛速度和收敛精度。具体参考网址:https://blog.csdn.net/u014796093/article/details/118423997
三、基于布谷鸟蚁群组合算法优化SVM
在前文中已详细介绍了 SVM 的基本理论,可知 SVM 模型在边坡变形预测精度的高低,受到惩罚因子c 和核函数g 的影响。对 SVM 参数优化则是搜索 SVM 模型的决策函数的最佳系数。使用 CSANT 算法对 SVM 参数优化,在 SVM 参数解空间内搜索得到c 和g 的最佳值,构建 CSANT-SVM 边坡预测模型。 为了验证基于CSANT-SVM 边坡变形预测模型的性能,选取溪洛渡水电站的麻地湾边坡和花坪子边坡的变形数据作为预测模型的样本数据,分别构建CSANT-SVM 模型以及CS-SVM 模型,对两个边坡的变形数据进行训练并预测,分析比较两个模型预测结果的MSE 以及 MRE,验证CSANT-SVM 边坡预测模型的性能。
2.CSANT-SVM 预测模型构建
建立CSANT-SVM 边坡变形预测模型,首先对样本数据进行归一化,这样方便后期计算,将样本数据划分为两部分,即训练样本以及测试样本,设置算法的相应参数。SVM有两个参数需要寻优,分别为c 和g,引入CSANT 算法对c 和g 寻优,构建 CSANT-SVM 边坡变形预测模型,CSANT_SVM 模型的构建流程如下:
2.预测结果
CS-ANT-SVR预测值:
predict2 =19.6842 21.5431 21.7289 21.5238 21.2211
实际值:19.7000 21.6000 21.8000 21.6000 21.3000
RE: = 0.0008 0.0026 0.0033 0.0035 0.0037
残差: -0.0158 -0.0569 -0.0711 -0.0762 -0.0789
总结
采用边坡变形数据作为实验样本数据,结合 Libsvm 工具箱和编写 MATLAB 程序,实现对 CSANT-SVM 边坡预测模型的训练和预测,并与 CS-SVM 边坡预测模型进行比较,结果显示,预测结果良好。
源码:https://mianbaoduo.com/o/works/159183
【1】改进布谷鸟算法优化支持向量机的边坡变形预测研究_刘超湖
边坡沉降预测【基于布谷鸟蚁群组合算法优化SVM】Matlab相关推荐
- imf 能量矩 matlab,基于IMF能量矩和遗传算法优化SVM的储能电池过充诊断方法与流程...
本发明涉及一种基于imf能量矩和遗传算法优化svm的储能电池过充诊断方法,属于储能电池故障监测领域. 背景技术: :在智能电网建设背景下,储能电池已经成为保证电网安全.稳定.高效运行的关键性技术,在削 ...
- 基于智能软开关的配电网优化调度matlab
基于智能软开关的配电网优化调度matlab 采用matlab编程,分析得到了含智能软开关下的配电网故障恢复能力,包括恢复负荷.失电节点以及节点电压等,程序选择标准ieee33节点系统作为分析对象,采用 ...
- 基于ACO蚁群优化的机器人避障算法仿真
目录 1.算法概述 2.仿真效果 3.matlab仿真源码 1.算法概述 蚁群算法(ant colony optimization)最早是由Marco Dorigo等人在1991年提出,他们在研究新型 ...
- m基于ACO蚁群优化的FCM模糊聚类算法matlab仿真
目录 1.算法概述 2.仿真效果预览 3.核心MATLAB程序 4.完整MATLAB程序 1.算法概述 蚁群算法是通过对自然界中真实蚂蚁的集体行为的观察,模拟而得到一种仿生优化算法,它具有很好的并行性 ...
- 蚁群算法优化神经网络matlab源程序,粒子群优化神经网络的程序大集合
粒子群程序集合 866867259psobp psobp.m pso(粒子群算法)优化神经网络 粒子群算法(PSO)应用于神经网络优化[matlab] PSOt A Particle Swarm Op ...
- 基于遗传算法的风电储能蓄电池容量优化配置matlab优化程序
基于遗传算法的风电储能蓄电池容量优化配置 风电+储能蓄电池微电网配置(基于matlab的遗传算法微电网配置优化程序) 参考文献:基于遗传算法的风电储能蓄电池容量优化配置 摘要:为了降低独立风力发电系统 ...
- 【SVM回归预测】基于matlab粒子群算法优化SVM回归预测【含Matlab源码 1424期】
⛄一.粒子群算法简介 1 引言 自然界中的鸟群和鱼群的群体行为一直是科学家的研究兴趣所在.生物学家Craig Reynolds在1987年提出了一个非常有影响的鸟群聚集模型,在他的仿真中,每一个个体都 ...
- 【SVM回归预测】基于matlab粒子群算法优化SVM回归预测(多输入多输出)【含Matlab源码 1421期】
一.粒子群算法简介 1 引言 自然界中的鸟群和鱼群的群体行为一直是科学家的研究兴趣所在.生物学家Craig Reynolds在1987年提出了一个非常有影响的鸟群聚集模型,在他的仿真中,每一个个体都遵 ...
- 【闪电搜索算法】基于闪电搜索算法求解单目标优化问题matlab代码
1 简介 2015 年,Hussain Shareef 等基于闪电的机理提出了一种新型的启发式优化算法---闪电搜索算法( lightning search algorithm,LSA) ,该算法具有 ...
最新文章
- python3调用OCR识别
- 消息称苹果正在组建新智能家居团队
- comlx 牌计算机音乐怎么设置,最具性价比的全能型 MIDI 键盘:Nektar Impact LX+ 键盘视频教程...
- 【Spring-Boot】【入门 01】第一个 Spring Boot 程序
- authenticationstring mysql_mysql5.7 的 user表的密码字段从 password 变成了 authentication_string...
- VTK:图表之DirectedGraphToMutableDirectedGraph
- Spring boot mongodb
- Android开发记录(转)
- mysql8 修改加密方式_mysql8修改密码加密方式
- 35 WM配置-作业-定义需求类型
- Deadline提前,引入滚动审稿,想投ACL 2022的同学要抓紧了
- python学习笔记011——检查变量类型type()
- 小白都能理解的FTRL
- HTML期末大作业~酒店网站模板(HTML+CSS+JavaScript)
- python写界面c这算法_OpenCV算法精解:基于Python与C.pdf
- 成都双流计算机大专学校,成都双流有哪些好的职业学校?
- Linux perf 1.1、perf_event内核框架
- 企业微信小程序-获取员工信息
- 深度学习图像分类(六):Stochastic_Depth_Net
- 软件测试工程师工资有多高?