GA—LSSVM模型在粉煤灰混凝土强度预测中的应用.pdfVIP

第8卷 第4期 Vo1．8 No．4 2009年 12 月 Dec．2009 文章编号：1671—7244【2009)04—0325—03 GA—LSSVM模型在粉煤灰混凝土 强度预测中的应用 马 金 鱼 (宁夏医科大学 学生处，宁夏 银川 750004) 摘 要：为了更好地预测粉煤灰混凝土强度，将遗传算法和LSSVM相结合，建立了粉煤灰混凝土强度预测的 GA—LSSVM智能模型．该模型既利用了LSSVM求解速度快、易于描述非线性关系的优 良特性，又利用了GA强 大的全局搜索能力，克服 了人工搜索的盲 目性 ，增强了模型的适应性．计算结果表明，该模型的计算精度较好． 关键词：最小二乘；支持向量机；遗传算法；粉煤灰混凝土；强度预测 中图分类号：TU528 文献标志码：A 粉煤灰混凝土是一种改性混凝土，与普通混凝 费时费力的工作．为了完善LSSVM模型 ，本文将遗 土一样，在施工过程中其强度预测和配合比优化设 传算法阎引入到 LSSVM模型，以期实现模型参数的 计是混凝土设计和质量控制的重要依据．对于普通 自动选取． 混凝土而言，它的强度可以采用简单的线性关系(即 1 最小二乘支持向量机的基本原理 鲍罗米公式)进行预测．但对于粉煤灰混凝土，它的 用于函数估计的最dx--乘支持向量机算法的基 影响因素较多，而且这些影响因素和强度之间具有 本原理如下 ：设训练数据的样本可表示为(墨，yi)，= 显著的非线性关系，因此采用简单的线性模型进行 1，…，Z，其中yi是一维输出标值，而是n维输入向 预测，必会产生较大的误差．近年来 ，随着非线性科 量，f为样本数 目．在权 ∞空间(原空间)中的函数估 学的飞速发展，神经网络技术被引入到混凝土强度 计问题可以归结为求解下列问题的优化问题． 预测中来，并取得了一定的效果 ．但是，由于神经 网络是建立在大样本的基础之上，而粉煤灰强度预 rai 。nJ(to，)=} }∑ ， (1) 测的样本数 目是有限的(一般只有几十组)，因此在 s．t． [ ()+6】=l《，i=1，…，z． (2) 神经网络建模的过程中易出现过学习问题；同时在 式中：p(·)是非线性映射函数，它把原始空间的输 训练过程中也存在局部极小问题，且收敛速度比较 入向量 (置，Yi)，i=1，…，f映射为高维空间的一个向 慢，网络的隐节点数难于确定等问题．支持向量机 量；tO为权向量 ；基为误差变量；6为偏差量；是可 fSuppo~VectorMachines，SVM)t3 法具有完备的统 调参数，用于控制对超出误差的样本的惩罚程度． 计学习理论基础和出色的学习性能，能够有效地克 采用拉格朗日法求解该优化问题： 服神经网络建模过程中的不足．最小二乘支持向量机 方法(Least