振动与冲击

作者：李春祥;丁晓达;郑晓芬

单位：1.上海大学 土木工程系，上海 200444；2.同济大学 建筑工程系，上海 200092

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

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。

来源：2017年第20期

《振动与冲击》期刊编辑部

查看振动与冲击杂志2017年第20期