杨爱婷
- 作品数：4 被引量：11H指数：3
- 供职机构：河海大学地球科学与工程学院更多>>
- 相关领域：交通运输工程水利工程机械工程建筑科学更多>>
- 基于AEPSO改进支持向量机的堤基沉降预测被引量：2
- 2016年
- 在支持向量机的预测模型中,关键参数的选取是最重要的一步。在此基础上提出基于AEPSO改进的支持向量机预测模型。利用AEPSO的局部和全局搜索能力,提高支持向量机关键参数寻优的精度。文中详细介绍模型建立的过程,以莆田市木兰溪防洪工程为例,应用改进的模型进行堤基沉降预测,并与标准PSO支持向量机预测模型相对比。结果表明,基于AEPSO改进的支持向量机预测模型提高了预测的精度。
- 宗文亮高正夏卞志兵杨爱婷
- 关键词：支持向量机
- 改进的粒子群算法预测软土路基沉降被引量：3
- 2014年
- 随着我国经济的快速发展,交通基础设施建设取得突破性进展。在软土地区修建高速公路,工后沉降量直接影响着整个工程的工期和质量。实际工程中往往根据现场实测的沉降过程曲线推算路基工后沉降的沉降量。通过在惯性权重优化的粒子群算法中增加自适应变异算子来对粒子群算法进行优化,改进后的粒子群算法收敛速度变快,而且精度得到提升。通过应用指数曲线模型、双曲线模型、增长曲线模型这三种经验公式模型分别对淮盐高速公路淮安段K28+900断面的沉降量进行预测,并对以上结果进行比较。
- 杨爱婷李建伟代志坤
- 关键词：粒子群算法沉降预测软土路基高速公路
- 基于时间序列ACO-BP神经网络在基坑变形预测中的应用研究被引量：4
- 2015年
- BP神经网络技术因其良好的非线性动力学特性、函数逼近能力、自组织和自适应能力,已广泛应用于基坑变形预测中。但实际应用过程中发现BP神经网络具有收敛速度慢、初始权阈值对计算结果影响较大,且易陷入局部最优等缺陷。采用引入具有启发式寻优、全局优化特点的蚁群算法优化BP神经网络,对基坑变形进行预测,并与BP神经网络进行比较。结果表明:ACO-BP神经网络模型预测基坑变形可行;预测精度高于BP模型,且结果稳定、速度较快、误差满足工程的要求。
- 杨爱婷高正夏卞志兵宗文亮
- 关键词：人工神经网络时间序列BP神经网络蚁群算法基坑变形
- 基于广义遗传算法的路基沉降预测方法应用被引量：4
- 2015年
- 根据路基沉降变形的非线性、不确定性特征,对比经典遗传算法特点,提出基于广义遗传算法的路基沉降预测方法。通过研究该方法以及实例计算,得知只要给出待求模型参数的取值范围,就可以搜索出全局最优参数值,从而推算得到路基的最终沉降量。通过与其它确定模型参数的方法进行对比,结果表明广义遗传算法在此方面具有较高的稳定性和可靠性。
- 卞志兵高正夏杨爱婷宗文亮
- 关键词：广义遗传算法路基沉降最终沉降量沉降预测
