《表1 左岸边坡浅部变形监测位移数据》
由表2的预测对比结果可见,本文提出的混合核PSO-KELM模型的预测精度高于混合核PSO-LSSVM主传统高斯核函数SVM模型。而PSO-KELM方法和PSO-LSSVM方法的预测精度均明显高于SVM,两者的预测精度基本属同一水平。混合核PSO-KELM模型完成7次滚动单步预报的时间约为26 s。在文献[9]中,混合核函数PSO-LSSVM模型的平均执行时间为39.8 s。由于本文和文献[9]中的方法实现环境不同,故无法进行直接的时间比较。但在同一试验环境下不借助于PSO算法的情况下,给定核参数后KELM完成一次预测的平均执行时间为0.003 s,而单核(仅高斯核)LSSVM平均执行时间约为0.0184 s;且根据文献[5]中的大量试验结果也表明,KELM方法在多数情况下可花费比LSSVM更少的时间开销。因此,一般情况下可认为在同等的环境下利用同等的智能算法优化后,混合PSO-KELM模型的计算速度比混合PSO-LSSVM更快。由此可知混合核PSO-KELM不但拥有较高的预测精度,且拥有更快的计算速度,可满足工程中“快速准确”的要求。
图表编号 | XD00164451500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.15 |
作者 | 季永新 |
绘制单位 | 贵州中建建筑科研设计院有限公司、贵州省建筑科学研究检测中心、中国建筑第四工程局有限公司 |
更多格式 | 高清、无水印(增值服务) |