• 首页关于本刊投稿须知期刊订阅编委会期刊合作查询检索English

查看全文   查看HTML全文 下载PDF阅读器  

  王二涛,高惠瑛,孙海,王俊杰.基于PSO-SVM的城市桥梁群体震害预测模型研究[J].震灾防御技术,2017,12(1):185-193, DOI:10.11899/zzfy20170119.

基于PSO-SVM的城市桥梁群体震害预测模型研究
摘要:    本文根据城市桥梁群体的实际震害资料数据,采用粒子群算法(PSO)来优化支持向量机(SVM)参数,选择影响桥梁震害等级的8 个因素作为特征输入向量,充分用2 种算法的优点建立PSO-SVM 的桥梁震害预测模型。通过比较PSO-SVM 和SVM 模型对桥梁震害的预测能力,发现PSO-SVM 模型具有较高预测精度和较高的推广价值。本文的研究成果对桥梁震害等级的预测具有一定的参考价值和指导意义。
作者单位
王二涛 中国海洋大学工程学院土木工程系, 山东青岛 266100 
高惠瑛 中国海洋大学工程学院土木工程系, 山东青岛 266100 
孙海 中国海洋大学工程学院土木工程系, 山东青岛 266100 
王俊杰 中国海洋大学工程学院土木工程系, 山东青岛 266100 
关  键  词:粒子群-支持向量机  支持向量机  桥梁  震害预测
DOI:10.11899/zzfy20170119
基金项目:
收稿日期:2016-04-25
作者简介:王二涛,男,生于1990 年。在读硕士研究生。研究方向为基础设施工程管理与管理信息系统。E-mail: 13210860597@163.com
通讯作者:
Study on Seismic Damage Prediction Model of Urban Bridges Group Based on PSO-SVM
Abstract:      According to the observed urban bridge damage data, the particle swarm optimization (PSO) was used to optimize the input parameters of support vector machine (SVM) model. Eight factors that effect bridge seismic damage level are chosen as the input vector. By making full use of the advantages of PSO and SVM, we establish the PSO-SVM model. By comparing the urban bridge damage prediction ability of the SVM model and PSO-SVM model, we conclude that the PSO-SVM model has relatively high accuracy and strong generalization capability, which is of important reference and guide value. Key worlds:PSO-SVM;SVM;Bridge;Seismic damage prediction
Keywords:  PSO-SVM  SVM  Bridge  Seismic damage prediction
关闭