偏最小二乘神经网络在建筑造价预测中应用

电力线通信是智能电网中的一种重要通信方式,电网中噪声干扰复杂,建立电力线通信信道噪声模型对于深入研究智能电网中低压电力线通信性能至关重要.针对低压电力线通信信道噪声特性,分别提出基于最小二乘支持向量机(ls-svm)模型和小波神经网络模型在电力线信道噪声中的应用.为了验证并比较ls-svm和小波神经网络模型对时变的低压电力线信道噪声建模的有效性,在室内和室外环境下对低压电力线通信信道的噪声进行测量,基于大量的测量数据,研究两个模型的准确度和效率.结果表明,两个噪声模型能够很好地仿真和适应时变的低压电力线通信信道,ls-svm模型有更高的精度和更短的仿真时间.此外,提出的两个模型与传统的markovian-gaussian模型进行比较,结果表明,两个噪声模型有更高的精度和更低的复杂度,尤其是ls-svm模型能够代替传统的markovian-gaussian模型,更适合用作低压电力线通信信道噪声发生器.该噪声模型的提出对研究在电力线通信系统和无线通信系统中内部和外部电磁源的电磁干扰有重要意义.

对建筑物形变监测数据进行分析,首次运用最小二乘配置方法,得到了建筑物平面监测数据处理的拟合模型和预测模型,并进行了精度评定。

将粗糙粗集理论和神经网络原理结合起来,建立了基于粗集-神经网络的建筑物震害预测模型。首先运用粗糙集理论,根据原始样本建立决策表进行属性离散化、属性重要性排序、属性约简和分类规则的提取;然后将所提取的关键成分作为神经网络的输入训练模型。实例研究表明,基于粗集-神经网络的多层砖房震害预测结果与实际震害基本吻合。该模型简化了神经网络结构,提高了训练速度和分类精度,还能对各因素对房屋震害的影响度进行分析。

介绍了基于matlab的径向基函数rbf神经网络对于建筑物沉降预测的方法,讨论了rbf神经网络的构造思路、参数和分布密度spread的选择。为建筑物变形监测人员的数据分析、变形预测提供了一个可行的概念。

为了研究时间序列理论中自回归ar（p）模型，采用最小二乘方法求解模型参数时末考虑数据相关性的问题，引进总体最小二乘这种能够处理系数矩阵和观测矩阵同时存在偶然误差的平差方法，将总体最小二乘平差准则用于自回归ar（p）模型的参数解算，讨论了ar（p）模型的阶数p的确定方法。结合建筑物沉降数据的分析与预测结果，表明基于总体最小二乘准则的时问序列分析方法得出的模型更加准确，短期预测效果更好。

以bp人工神经网络模型为基础,建立预测模型,以小区某栋建筑物1期～8期的沉降观测数据为输入数据和输出数据,对网络模型进行训练,并对9期～12期实际观测值与预测值进行了比较,结果比较理想,从而验证了采用bp人工神经网络模型进行建筑物沉降的预测是可行的。

针对在工程实践中,应用单一方法预测建筑物沉降存在着局限性,提出了基于最小二乘支持向量机回归综合单一方法预测沉降量。该方法能综合单一方法的特点,增强了模型的普适性,从而提高了预测精度和预报期次。文中讨论了如何实现和运用该方法,最后通过实例验证了其有效性。

偏最小二乘(pls)运算降低电力负荷数据之间的相关性,最小二乘支持向量机(ls-svm)可以获得模型的全局最优预测效果,减少预测过程的运算量。介绍了pls和ls-svm的基本原理,给出了pls-ls-svm建立短期日电力负荷预测模型的过程,并用于某地区2008年的用电日负荷预测,预测的平均相对误差和最大相对误差分别为0.685%和8.8599%。与基于ar(1)模型的预测结果相比,pls-ls-svm模型更高的预测准确性可为短期电力负荷预测提供有效依据。

从人工神经网络的发展入手,对其基本概念及组成特性做了介绍。并以反向传播模型b-p模型为例阐述了人工神经网络(ann)的结构及学习算法,给出了b-p模型的实现方法及最终在建筑施工中的成功应用,指出了人工神经网络系统广阔的应用前景,最后提出了今后研究的方向。

基于最小二乘法的基本原理,分析和讨论了曲线拟合法计算建筑物倾斜变形的原理、数学模型和计算方法等全过程。并通过一实例,应用excel完成模型的求解及显著性检验,得到精度较高的回归方程。该方法原理简单,模型易于求解,具有一定的实用价值。

鉴于热水量的计算过程考虑到时变化系数是非线性的，不能采用线性插值，采用最小二乘法，利用幂指数拟合，给出了热水量时变化系数的拟合公式

通过影响因素分析,确定了软土层厚度、软土层压缩模量、地表硬层厚度、地表压缩模量、路堤高度、路堤顶宽、路基填筑时间和填筑竣工时沉降量等参数对公路软基沉降有影响。对公路软基的观测数据进行分析和取样,输入样本为各参数,输出样本为路堤中线下地表沉降值,利用最小二乘支持向量机的非线性映射和泛化能力,通过训练,建立了公路软基沉降预测模型。研究表明,所建立的模型对公路软基沉降进行预测具有较高的精度,同时具有很好的泛化性能。

为了尽量减小由隧道开挖引起的地面沉降而带来的风险,需要在隧道施工过程中可靠地预测地表的变形量.该文采用改进的方法来选择平移和伸缩因子的初始值,利用小波神经网络分析预测隧道施工中的地表沉降量,并在预测中考虑了地表平均压力、盾构机平均穿透深度、填充泥浆度等外界因素对地表沉降的影响.结果表明,利用改进的方法来选择初始的平移和伸缩因子,提高了函数的逼真性能,并减小了估计误差.

基于最小二乘支持向量机回归的基坑变形预测——将最小二乘支持向量机回归用于基坑变形预测．根据基坑位移的实测时间序列资料，应用最小二乘支持向量机回归建立了基坑位移与时间的关系模型．研究结果表明，最小二乘支持向量机回归用于基坑变形预测，具有较高的预...

目的:提出一种快速测定布渣叶浸出物含量的新方法。方法:运用偏最小二乘法(pls)建立紫外光谱(uv)与浸出物含量测定值之间的多元校正模型,对未知样品进行含量预测。结果:校正模型相关系数(r2)为0.9641。验证集预测平均相对偏差为1.73%。结论:pls-uv法具有分析速度快、预测结果准确等优点,适合对组成复杂的中药浸出物进行快速分析,可用于布渣叶药材浸出物的快速测定。

2011年6月 第9卷第6期 项目管理技术 projectmanagementtechnology vol.9no.6 jun.2011 基于bp神经网络的绿色建筑造价成本估算模型 贾宏俊1段宏亮2 (1.山东科技大学资源与土木工程学院，山东青岛266510; 2.山东科技大学研究生教育学院，山东青岛266510) 摘要:鉴于目前对绿色建筑造价成本的研究较少，通过分析影响绿色建筑造价成本的主要因素，建立了基于 bp神经网络的绿色建筑建造成本估算模型，并利用matlab软件对模型进行了训练，最后用工程实例对模型 进行了验证，结果表明该模型具有较好的泛化能力，能较准确的估算绿色建筑的造价成本。因此bp神经网络 在这方面有很好的应用前景。 关键词:bp神经网络;绿色建筑;造价成本;估算模型 0引言 绿色建筑就是在建筑的全生命周期内，最大限

介绍了rbf神经网络的模型和结构,提出将该网络应用于建筑物沉降预测。运用matlab工具箱函数建立了沉降预测网络模型,编制了计算程序,通过工程实例验证了该模型的正确性和可行性,并和bp神经网络在收敛速度上进行了比较,结果表明rbf神经网络的收敛速度远远快于bp网络。

bp神经网络是分析处理复杂非线性问题的一种有效方法,是目前广泛应用的一种神经网络,已被逐渐应用于对宏观经济问题的研究中。本文有机地整合了计量经济学与bp神经网络,建立了基于因果关系理论来确定bp网络的输入变量,基于协整理论来分析bp网络系统的可靠性,基于学习率可变的动量bp算法的用于研究经济领域问题的改进bp神经网络预测模型,加强了网络模型的理论基础,提高了网络模型的质量,并将其应用于西北建筑业的预测和控制中,取得了令人满意的效果。

边坡的地表位移监测是滑坡安全监控中的重要内容,对监测资料进行及时、合理和有效的分析,获取滑坡变形规律和安全状况是滑坡监测的重要工作之一。文章将基于bp算法的小波神经网络预测模型引入变形监测预报中,对工程实例进行了预测。结果表明小波神经网络预测可以取得良好的效果,且自适应预测能力较强。

地基沉降是一种危害很大的环境灾害。地基沉降的监测数据经常受降雨及工程施工等诸多外界因素的干扰,故而在沉降曲线中存在许多数据突变点。为此,提出基于小波分析与rbf神经网络相结合的新的地基沉降预测方法,首先采用小波分析对对原始监测数据进行数据去噪处理,进而得到反映实际变化的地基沉降曲线,然后采用径向基函数(rbf)神经网络方法对其进行预测,为工程设计提供依据。最后结合工程实例分析,通过多种小波去噪与预测结果的对比研究,表明3次b样条小波的去噪及预测效果最好,与实测值能较好地吻合,具有较好的工程应用前景。

随着房地产价格指数的作用充分显现,探求预测房地产价格指数的有效方法是需深入研究的方向。该文以中房上海住宅价格指数为例,首先对房地产价格指数序列性质进行分析,表明房地产价格指数是具有非线性特征的非平稳时间序列。采用小波神经网络对房地产价格指数进行预测,并将预测结果与指数平滑法和rbf神经网络预测做了对比。采用matlab对拟合和预测过程进行仿真。结果指标表明,在大样本数据的情况下,采用小波神经网络对房地产指数进行预测能够获得较好的效果。

提出一种采用bp神经网络算法来预测深基坑沉降的方法,结合具体工程实例,构建了预测深基坑周边地表沉降具体bp神经网络模型,预测结果表明,该模型有较高的预测精度,可作为预测沉降的一种新方法。