版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、橋梁作為一種大跨、懸空、服務期漫長的重要交通樞紐其使用安全性對國民經(jīng)濟具有舉足輕重的作用。橋梁健康監(jiān)測系統(tǒng)用來長期在線監(jiān)測和評估橋梁安全狀況,是保證橋梁安全使用的重要手段之一。但是由于外界因素的影響以及長期野外惡劣環(huán)境中電子設備使用中存在的問題,使得采集信息出現(xiàn)大量缺失數(shù)據(jù),極大地影響了基于完備數(shù)據(jù)的橋梁安全評價。本文研究橋梁健康監(jiān)測系統(tǒng)采集數(shù)據(jù)的特點,提出了基于支持向量機的殘缺數(shù)據(jù)填補方法,達到了較小樣本下高精度填補的目的。
2、 本文首先研究了支持向量機(Support Vector Machine,SVM)算法的基本原理,討論了SVM具有小樣本下強泛化能力的優(yōu)勢,結(jié)合橋梁健康監(jiān)測系統(tǒng)采集數(shù)據(jù)具有較小樣本、非線性且時序的特點以及時間序列分析中SARIMA(Seasonal Auto Regressive Integrated Moving Average)模型表征數(shù)據(jù)的特性,提出了基于SARIMA分析的樣本輸入向量構(gòu)造方法從而建立支持向量回歸機(Support
3、 Vector Regression Machine,SVRM)的模型實現(xiàn)不同類型的殘缺數(shù)據(jù)填補。然后,為了證實樣本輸入重構(gòu)和SVM填補的優(yōu)越性,設計了多種時間序列樣本輸入向量構(gòu)造方法與本文所提出的樣本重構(gòu)方法的填補性能對比實驗、相同樣本情況下線性回歸、時間序列、BP神經(jīng)網(wǎng)絡等幾種經(jīng)典模型與SVRM模型的填補性能對比實驗以及不同樣本空間下的BP神經(jīng)網(wǎng)絡和SVRM模型填補性能對比實驗。最后,在此基礎上,設計開發(fā)了實現(xiàn)所有填補對比實驗功能的
4、軟件系統(tǒng);并針對實際需求,提出了以樣本更新方式的在線自適應SVRM殘缺數(shù)據(jù)填補。
上述實驗的結(jié)果表明,針對具有季節(jié)性的時間序列,本文提出的基于SARIMA樣本輸入向量構(gòu)造方法可以有效地引導SVRM模型進行樣本輸入向量構(gòu)造,并且使得橋梁健康監(jiān)測系統(tǒng)殘缺數(shù)據(jù)的填補精度較其它樣本輸入構(gòu)造方法提高了2~10倍。相同樣本空間下,幾種經(jīng)典模型填補精度由低到高的順序為線性回歸、SARIMA、BP神經(jīng)網(wǎng)絡和SVRM模型,其中SVRM模型填補精
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于SARIMA與神經(jīng)網(wǎng)絡混合模型的橋梁健康監(jiān)測系統(tǒng)缺失數(shù)據(jù)填補.pdf
- 基于支持向量機的數(shù)據(jù)挖掘.pdf
- 支持向量機算法研究及在森林健康監(jiān)測系統(tǒng)中的應用.pdf
- 基于支持向量機的基坑時態(tài)GIS監(jiān)測系統(tǒng)研究.pdf
- 基于支持向量機的數(shù)據(jù)挖掘方法.pdf
- 基于支持向量機重力式碼頭結(jié)構(gòu)健康監(jiān)測預測模型研究.pdf
- 基于支持向量機的點云數(shù)據(jù)修補.pdf
- 改進支持向量機在水工結(jié)構(gòu)健康監(jiān)測中的應用.pdf
- 基于數(shù)據(jù)驅(qū)動的橋梁健康監(jiān)測數(shù)據(jù)預處理.pdf
- 基于支持向量機的多光譜數(shù)據(jù)分類.pdf
- 支持向量數(shù)據(jù)描述與支持向量機及其應用.pdf
- 基于支持向量機的湖泊生態(tài)系統(tǒng)健康評價研究.pdf
- 基于支持向量機的傳動系統(tǒng)智能診斷及軋機遠程監(jiān)測系統(tǒng).pdf
- 基于支持向量機的數(shù)據(jù)挖掘應用研究.pdf
- 基于支持向量機的海量天體光譜數(shù)據(jù)分類系統(tǒng)研究.pdf
- 橋梁健康監(jiān)測數(shù)據(jù)的數(shù)據(jù)挖掘模型.pdf
- 基于支持向量機的風速預測系統(tǒng).pdf
- 基于支持向量機的橋梁結(jié)構(gòu)損傷識別算法的研究.pdf
- 基于支持向量機的情報數(shù)據(jù)分類挖掘.pdf
- 基于支持向量機的農(nóng)業(yè)數(shù)據(jù)分類方法研究.pdf
評論
0/150
提交評論