黄伟杰
- 作品数：5 被引量：6H指数：2
- 供职机构：河海大学地球科学与工程学院更多>>
- 发文基金：国家重点基础研究发展计划国家科技支撑计划更多>>
- 相关领域：建筑科学交通运输工程更多>>
- 基于PSO-SVM与ACO-SVM的沿桩长基桩轴力分布预测
- 2015年
- 由于苏通大桥群桩基础的超长桩在不同断面的轴力沿桩长分布具有复杂非线性的特点,为了实现对不同高程断面的轴力进行预测,引入粒子群算法与蚁群算法对支持向量机进行优化,在考虑断面高程、潮位、水温与风速等影响因素的基础上,建立沿桩长基桩轴力分布的优化SVM预测模型。研究表明,PSO-SVM与ACO-SVM模型比传统SVM在预测精度、模型稳定性与泛化能力方面有更好的表现,在超长桩不同高程断面的轴力预测中,具有一定的工程应用价值。
- 黄伟杰陈志坚
- 关键词：超长桩
- 基于多因素混合模型的运营期群桩轴力预测被引量：1
- 2016年
- 结合桥梁深水群桩基础在运营期间的受力特征,研究了深水群桩基础基桩轴力混合模型的一般原理.提出了基于多种环境因素影响下群桩基础监测数据的运营期混合模型,利用有限元模拟与PSO-SVM统计方法在苏通大桥群桩基础中实现了混合模型的构建.为了方便比较,建立了径向基函数(RBF)人工神经网络模型,对比了混合模型与RBF模型的预测结果.研究表明,混合模型预测精度较高,在受力情况不同的3根基桩上都有较为稳健的预测能力,具有较强的泛化能力,混合模型可适用于深水群桩基础运营期轴力的预测.
- 陈志坚黄伟杰
- 关键词：有限元方法深水群桩基础运营期混合模型
- 基于ACO-SVM的桥梁基础群桩轴力预测被引量：3
- 2016年
- 由于大型深水群桩基础受到复杂的环境影响,其基桩轴力的变化与环境因素之间呈现复杂非线性关系。利用在解决小样本、非线性、高维数方面具有很强能力的支持向量机,对苏通大桥群桩基础轴力实测数据进行分析,预测了一段时间内轴力的变化。并采用了蚁群算法(ACO)寻找模型最优参数,由此建立了ACO-SVM模型,避免了人为选择参数的盲目性。为方便对比,建立了传统SVM与RBF神经网络预测模型,对比了ACO-SVM,SVM,RBF这3个模型的预测结果。研究表明,与传统SVM,RBF的预测结果相比,ACO-SVM模型具有更高的可信度和预测精准度,且具有更强的泛化能力,在大型深水群桩基础的轴力预测中具有一定的工程应用价值。
- 黄伟杰吴叶陈志坚俞俊平
- 关键词：深水群桩基础
- 基于PSO-SVM桥梁基础群桩轴力预测被引量：2
- 2014年
- 由于大型深水群桩基础受到复杂的环境影响,其基桩轴力的变化与环境因素之间呈现复杂非线性关系。本文利用支持向量机模型,对苏通大桥群桩基础轴力实测数据进行分析,为了避免人为选择支持向量机模型参数的盲目性,采用了粒子群算法(PSO)寻找最优参数,由此建立了PSO-SVM模型。为了方便对比,建立了传统SVM与RBF神经网络预测模型,利用PSO-SVM、SVM、RBF三种模型对受力情况不同的四根监测桩进行轴力预测,分别对比了三种模型在不同桩的预测结果。研究表明,与传统SVM、RBF的预测结果相比,PSO-SVM模型预测精度更高,在轴力变化不同的四根桩上预测都很稳健,具有更强的泛化能力,在大型深水群桩基础轴力预测中具有一定的工程应用价值。
- 黄伟杰陈志坚俞俊平余世元
- 关键词：支持向量机深水群桩基础粒子群算法
- 基于GA-SVM的深水群桩基础桩顶轴力预测
- 2016年
- 对深水群桩基桩轴力进行精确地预测是评价基础安全稳定性的重要考量依据,由于深水群桩基础的受力状态与群桩基础所处的环境呈现出复杂非线性关系。该文在某大桥运营期原型监测数据的基础上,引入遗传算法优化支持向量机模型,深入分析影响基桩轴力变化的环境因素,建立了多因素基桩轴力预测模型,并将预测结果与传统SVM模型、RBF神经网络模型进行对比。研究表明,与SVM、RBF的预测结果相比,GA-SVM模型预测精度更高,在轴力变化不同的四根桩上预测都很稳健,具有更强的泛化能力,在大型深水群桩基础的轴力预测中具有一定的工程应用价值。
- 陈兵黄伟杰王晓朋张文海
- 关键词：深水群桩基础支持向量机遗传算法
