模拟退火粒子群与小波的地基沉降预测应用Forecast application of foundation settlement using simulated annealing particle swarm and wavelet algorithm
吴瑞海,贺军衔,段琪庆,董吉文
摘要(Abstract)：
针对粒子群优化算法易陷入局部极小值问题,改进学习因子使其自适应调整,并与具有良好全局搜索能力的模拟退火算法结合,充分利用两种算法各自的优点,同时结合小波分析去噪,优化神经网络参数,对地基累计沉降数据进行预测,并与标准粒子群优化算法做了对比,实验表明两种方法的结合具有良好的全局和局部搜索能力,预测精度高。
关键词(KeyWords)： 小波分析;粒子群优化算法;模拟退火;地基沉降;预测
基金项目(Foundation):
作者(Author): 吴瑞海,贺军衔,段琪庆,董吉文
DOI: 10.16251/j.cnki.1009-2307.2010.06.091
参考文献(References)：
- [1]黄声享,尹晖,蒋征.变形监测数据处理[M].武汉:武汉大学出版社,2002.
- [2]彭玉华.小波变换与工程应用[M].北京:科学出版社,1999.
- [3]Eberhart,Kennedy J.A new optimizer using particle swarm theory[C]//Nagoya:Proc6th Int Symposium on Micro Machine and Human Science,2001:39-43.
- [4]Kennedy J.,Eberhart R,C.,Particle Swarm Optimiza-tion[C]//Proc.IEEE Int’1Conference on Neural Networks,IV.Piscataway,NJ:IEEE Service Center,1995:1924-1948.
- [5]蔡昭权,黄翰.自适应变异综合学习粒子群优化算法[J].计算机工程,2009,35(7).
- [6]高鹰,谢胜利.混沌粒子群优化算法[J].计算机科学,2004,31(8).
- [7]于广滨,等.改进的粒子群动态过程神经网络及其应用[J].吉林大学学报:工学版,2008,38(5).
- [8]何佳,陈智慧,杨迎新.综合改进的粒子群神经网络算法[J].计算机工程与设计,2008,29(11).
- [9]刘洪普,侯向丹.模拟退火算法中关键参数的研究[J].计算机工程与科学,2008,30(17).
- [10]王联国,等.一种模拟退火和粒子群混合优化算法[J].计算机仿真,2008,25(11).
- [11]董吉文,等.基于模糊神经网络的水泥强度预测[J].山东建筑工程学院学报,2005,20(1).
- [12]王晓英,邢志栋,黄瑞平.改进的粒子群优化算法[J].计算机应用软件,2008,25(5).
- [13]王建国,等.改进粒子群优化神经网络及其在产品质量建模中的应用[J].北京科技大学学报,2008,30(10).
- [14]黄席樾,等.现代智能算法理论与应用[M].北京:科学出版社,2005.
- [15]高海昌,等.自适应变异的混合粒子群优化策略及其应用[J].西安交通大学学报,2006,40(6).