粒子群优化支持向量机的电缆温度计算

建筑系统是一个滞后系统，对下一时刻室内温度的预测可以指导楼宇阀门的开关，从而在保证用户热舒适性的同时节约能源。但是，建筑室内温度受室外气象因素、历史温度等多种非线性因素的影响，机理建模困难。针对以上问题，先确定输入、输出样本，建立支持向量机模型；然后采用粒子群优化（pso）算法对svm的核参数和惩罚因子进行动态寻优，建立pso-svm预测模型；最后，在matlab实验平台上进行仿真实验。实验结果表明，经过粒子群优化的支持向量机预测模型的精度提高至0.6%，可以准确指导楼宇阀门的开关。

支持向量机（svm）是-种解决小样本分类问题的最佳理论算法,它的核函数的参数选择非常重要,直接影响着故障诊断的准确率.本文将粒子群算法（pso）用于支持向量机的参数优化,提出基于粒子群支持向量机的故障诊断模型,并将其运用于轨道电路中.通过对比matlab仿真结果得出：经过粒子群寻优得到的参数比随机选取的参数更优,所建立的pso-svm模型的故障诊断准确率高于普通的svm模型.

为了提高建筑施工项目风险评估的准确性,建立建筑施工项目风险评估指标体系,并对最佳惩戒参数和核函数因子进行优化,采用粒子群算法优化支持向量机建立了建筑施工项目风险评估模型.采用建筑施工项目风险数据进行了评估测试,结果表明,该模型解决了支持向量机参数优化的问题,可以获得理想的建筑施工项目风险评估结果.

为了获得更理想的混凝土强度预测结果,提出一种混沌粒子群算法优化最小二乘支持向量机（lssvm）的混凝土强度预测模型。首先采集混凝土强度数据,并进行归一化处理。然后采用lssvm对混凝土强度与影响因子之间的变化关系进行建模,并采用混沌粒子群算法搜索最优lssvm参数。最后采用具体混凝土强度预测实例对其性能进行分析。结果表明,本文模型可以准确描述混凝土强度与影响因子间的变化关系,提高了混凝土强度预测精度,具有一定的实际应用价值。

针对最小二乘支持向量机在电力负荷预测应用中的参数优化问题,将改进粒子群算法引入到最小二乘支持向量机参数中,建立一种新型的电力负荷预测模型(ipso-lssvm)。首先将最小二乘支持向量机参数编码为粒子初始位置向量;然后通过粒子个体之间的信息交流、协作找到最小二乘支持向量机的最优参数,并针对标准粒子群算法的不足进行相应改进;最后将其应用于电力负荷建模与预测,并通过仿真对比实验测试其性能。实验结果表明,ipso-lssvm可以获得较高准确度的电力负荷预测结果,大幅度减少了训练时间,满足电力负荷在线预测要求。

采用最小二乘支持向量机(lssvm)与粒子群优化算法(pso)相结合的方法,以隧道工程分项工程技术指标为基本参数,对山区高速公路隧道工程造价进行管理和预测,基于支持向量机算法实现山区高速公路中隧道的工程特性与各分项工程造价指标之间的复杂非线性映射。建立的造价预测模型估算得到的造价与样本的实际造价误差可控制在10%的范围内,说明该预测模型可用于山区高速公路的隧道工程造价估算,并为公路工程造价人员提供了一种实用的工具和方法。

导体温度是反映电缆运行状态的关键因素,因而有必要实现对它的监控。实际中对运行电缆导体温度的直接测量难以实现,工程中常采用计算的方式来获取,而复杂多变的电缆外部因素使得对导体温度的精确计算也非常困难。为此,在电缆外皮温度监测的基础上,建立了单芯电缆暂态热路的数学模型;分别推导出只考虑电流变化和只考虑表皮温度变化两种情况下的暂态温升递推公式,进而推导出单芯电缆暂态温度的完整叠加公式;并采用经典4阶runge-kutta法求解微分方程组计算电缆本体温度。同时编制了电缆暂态计算软件,可根据电缆外皮温度的监测,计算电缆导体和金属护套暂态温度。为验证暂态模型和软件编制的正确性,在试验现场进行了单芯电缆暂态温升试验,并将计算结果与试验测得的温度数据进行了对比验证。结果表明,基于电缆外皮温度监测的单芯电缆暂态温度计算具有较高的精度,可用于单芯电缆实际运行中的温度控制、电缆状态监测及其故障预警等方面。

分析了空调工作过程中温度控制的重要性与传统方法的不足,将基于统计学习理论的支持向量机方法用于控温过程中,对温度进行实时预测。采用数字实验对所提方法的可行性进行验证,结果表明该方法可以获得比传统方法更高的预测精度,实时性较高,能为空调控温系统提供更好的决策支持,具有较大的发展潜力和实用价值。

基于支持向量机的空调控温过程实时预测——文章分析了空调工作过程中温度控制的重要性与传统方法的不足，将基于统计学习理论的支持向量机方法用于控温过程中，对温度进行实时预测。采用数字实验对所提方法的可行性进行验证，结果表明该方法可以获得比传统方法更...

为实时掌握交联聚乙烯(xlpe)配电电缆的运行状态及其载流量,对电缆线芯温度的计算方法进行了研究。针对配电电缆敷设距离较短的特点建立了单芯电缆集中参数稳态等效热路模型,并推导出线芯温度计算公式,通过实验验证了计算方法的有效性,同时对考虑暂态过程的电缆线芯温度计算方法进行了讨论,为电缆运行状态的在线监测提供了参考。

针对电梯的几种常见故障,论文采用了最小二乘支持向量机(ls-svm)诊断的方法。采集电梯几种故障状态下的振动信号,用最优小波包的理论分析计算故障振动信号的能量分布,将其能量分布与时域指标相结合,以构造故障特征向量,作为ls-svm的输入来识别电梯的故障原因,并采用遗传算法优化ls-svm的相关参数。通过对电梯六种常见故障的诊断结果表明,基于遗传算法优化的最小二乘支持向量机用于电梯故障诊断是一种有效的方法。

地下电力电缆温度场及载流量的数值计算

电力电缆导体的温度是决定其载流容量的依据,载流容量是电缆的一个重要的参数。当载流容量太大,电缆导体的温度过高时,将缩短其绝缘的寿命,并且可能导致其热击穿和电力系统的重大经济损失。当载流容量过低,核心材料铜或铝未得到充分利用。因为成本高,投资大,不便维护,准确地确定导线温度和电缆载流容量具有重要意义,以确保其安全、可靠、经济运行。一般来说,可采用iec60287标准

沟槽敷设方式下电缆附近的温度场同时受到周围空气、周围土壤和地表空气的影响,对其温度场的分析有助于准确确定沟槽电缆的载流量。该温度场中的热传递过程是流固耦合的,固体区域用热传导微分方程描述,沟槽内空气采用动量方程、能量方程和连续性方程与热辐射方程描述,流体和固体间热传递采用迭代法求解。采用三维有限元和涡量-流函数耦合求解上述热扩散方程,求得整个场域的温度场分布图和沟槽内空气层的流动方程,然后利用迭代法计算沟槽内电缆的载流量,直到导体温度为363k。计算结果显示,沟槽内存在较强的空气自然对流散热,沟槽内单根400mm2yjv22xlpe电力电缆的载流量为825a,比直埋载流量提高了30%,比排管敷设载流量提高了51.9%。研究结果表明利用有限元和涡量-流函数,可以准确计算沟槽敷设电缆群的流场和温度场分布,从而准确计算沟槽敷设电缆的载流量。

混凝土拌和温度和浇筑温度计算混凝土拌和温度计算 混凝土加冰拌和温度计算 混凝土浇筑温度计算

采用有限差分法,用坐标组合的方法对土壤区域,电缆区域分别进行计算,最终确定了任意敷设方式下电缆允许的载流量,通过当量导热系数的方法,解决了由于预埋管与电缆的偏心夹层带来的计算上的不便,由于土壤的导热系数对电缆的载流量有很大影响,为此特别搭建土壤导热系数实验台,用于精确的测量土壤的导热系数。

基于径向基核函数的支持向量机数据挖掘模型,建立大坝施工期温度时程与相关影响因素的关联规则,实现了大坝施工期温度时程快速、实时监测。首先,通过大坝实际浇筑数据的清洗、融合,建立大坝施工期数据库,为模型提供数据快速提取接口。继而,根据粗糙集属性重要度理论进行条件属性约简,剔除冗余属性,确定输入变量；然后,用交叉验证算法,确定模型最优参数；最后,随机选取142个样本作为训练集建立支持向量模型,并使用模型预测剩余的35个样本,模型预测温度时程与实测温度时程基本吻合,模型精度较高且稳定性较好。

公路客运量数据受多种因素影响而呈现非线性等特点,为了提高其预测精度,文中提出粒子群算法(pso)优化支持向量机(svm)的公路客运量预测模型,利用pso寻优能力突出的优点,对支持向量机的参数进行优化选择,并用优化后的支持向量机模型对公路客运量进行预测。研究结果显示,相比bp神经网络和传统的svm预测方法,基于pso-svm的预测精度更高。

铁路客运量数据受多种因素影响而呈现出非线性等特点,为了进一步提高其预测精度,文章提出了粒子群算法(pso)优化支持向量机(svm)的公路客运量预测模型.利用pso寻优能力突出的优点,对支持向量机的参数进行了优化选择,并用优化后的支持向量机模型对公路客运量进行预测.研究结果显示,相比bp神经网络和传统的svm预测方法,基于pso-svm的预测精度更高,从而表明了粒子群算法优化支持向量机的方法是有效的.

采用最小二乘支持向量机(lssvm)与粒子群优化算法(pso)相结合的方法,以隧道工程分项工程技术指标为基本参数,对山区高速公路隧道工程造价进行管理和预测,基于支持向量机算法实现山区高速公路中隧道的工程特性与各分项工程造价指标之间的复杂非线性映射。建立的造价预测模型估算得到的造价与样本的实际造价误差可控制在10%的范围内,说明该预测模型可用于山区高速公路的隧道工程造价估算,并为公路工程造价人员提供了一种实用的工具和方法。

在石油开采过程中,利用直线电机驱动潜油往复泵是一种新型举升方式。这种举升方式可使抽油机具有较好的可控性。在这一背景下,提出一种基于沉没度预测的潜油往复泵冲次优化方法。文中对在采油厂采集的沉没度数据进行时间序列的输入空间重构,基于支持向量机(supportvectormachines,svm)建立沉没度预测模型。以抽油机的经济效益为目标,以预测得到的沉没度为参量,对直线电机的冲次进行优化。采用沉没度–冲次子区间匹配方法改进原优化算法,进一步降低原方法的计算量和数据量。改进的优化算法可以更好地适应现场计算机对计算量的限制。该优化方法可有效地提高往复泵的产油量,并避免直线电机长期工作于满载或过载状态。

故障样本的缺乏严重制约智能故障诊断的发展,本文提出支持向量机应用到发动机故障诊断中,该方法专门针对小样本集合设计,能够在小样本情况下获得较大的推广,而且模型简单,具体是将汽车在典型故障下尾气中各气体的体积分数作为训练样本。用处理过的样本和最优参数建立基于支持向量机的多元分类器模型,进行故障类别诊断。经过libsvm工具箱进行仿真,结果表明经优化后的支持向量机对于小样本故障诊断有很高的准确率。