优化GM(1,1)与SVM组合模型的路基冻胀预测应用
Journal of Railway Science and Engineering（2017）
Abstract
基于非等时距GM(1,1)优化预测模型,采用支持向量机进行预测残差修正,建立一种组合预测算法,并运用该算法对铁路路基冻胀进行定量预测.对经典非等时距GM(1,1)模型背景值和初值的计算方法进行优化,同时设置时距权值矩阵,对不同时间测量所得数据赋予不同权重.在初始预测后,对残差值采用支持向量机进行非线性修正,得到最终预测值.选取哈大客专某区段实际测量路基冻胀数据,对算法实用效果进行检验.所建立预测模型平均预测误差值为2.039%,最大预测误差5.911%,后验证差比值0.005,各项指标均优于单一灰色模型与文献[6]中建立的组合预测模型,实现了对铁路路基冻胀的较高精度定量预测.
MoreTranslated text
Key words
residual errors revise,support vector machine,grey model,combination forecasting algorithm,railway engineering,railroad subgrade's frost-heaving index
AI Read Science
Must-Reading Tree
Example
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined