基于机器学习的筒仓动态侧压力预测模型及概率分布研究

筒仓卸料时的动态侧压力是导致筒仓结构被破坏的重要原因,但影响筒仓动态侧压力的因素众多,且相互之间存在着复杂的非线性关系.因此,建立一种考虑多因素影响、高效、准确的动态侧压力的预测方法尤为重要.基于机器学习方法,将支持向量机、BP神经网络和随机森林等3种机器学习方法应用到筒仓动态侧压力的预测中.选取影响筒仓动态侧压力的相关因素作为输入变量,动态侧压力为输出值.对常用的3种机器学习中的参数进行寻优与设置,建立筒仓动态侧压力预测模型.通过测试样本对预测模型进行测试,分析表明支持向量机算法具有最优的预测能力与适用性,为筒仓动态侧压力的预测提供了一种新的方法.通过MATLAB软件对贮料密度这一单因素进行随机抽样,得到1000组均匀分布的随机数.将数据输入最优的预测模型中,并利用Easyfit软件对预测值进行概率分布拟合,得到筒仓动态侧压力的概率分布,为筒仓结构的可靠度研究提供了理论基础.