声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：31-1316/TU
国际刊号：1000-3835
发布日期:
作者：李春祥，丁晓达,叶继红
单位：1.上海大学 土木工程系，上海 200072；2.东南大学 混凝土与预应力混凝土结构教育部重点实验室，江苏南京 210018
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
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。<br>
来源：2016年第21期
《振动与冲击》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。