一种新的预测方法的动态基于支持向量机的筒仓壁压力

文摘

存储材料的物理特性和机械特性明显不同于普通的固体和液体。的分布动态墙压力在筒仓卸料相当复杂。考虑影响因素之间的非线性关系的动态侧压筒仓,动态墙筒仓压力的预测方法提出了基于支持向量机(SVM)在这里,而且,修改后的网格搜索方法(GSM)纳入获得最优支持向量机参数来提高预测的准确性。比较提出了预测模型的结果和实验方法和仿真方法的结果,可以发现,支持向量机预测模型显示精度和泛化能力高,和模型的预测结果与实验结果和仿真方法。该方法可以为预测提供参考的动态墙筒仓的压力。

1。介绍

筒仓被广泛用于存储煤、谷物、砾石,因为它们占用空间小,大容量,低成本。动态墙压力在放电的主要因素是导致竖井破坏(1]。调查关于静态墙筒仓压力相对完美的(2,3]。然而,并没有被广泛接受的理论和计算方法的动态墙压力筒仓。史密斯和Lohnes提出粮食横向扩张的理论(4]。苏提出了瞬时拱理论对谷物(5]。詹森提出了詹森理论基于连续介质模型(6]。这些调查提供理论依据的动态墙压力筒仓。刘和郝7)提出了一个动态侧压力的计算方法基于存储的整体流动的筒仓的材料。元等。8)提出了侧向压力的计算方法蹲墙的影响通过考虑竖井直径比,和方法主要是用于解决大型浅仓的侧压力计算。基于统一强度理论,考虑三个主要压力的共同影响,太阳et al。9]提出了侧向压力系数应用于深和浅仓。筒仓的动态侧压是受到各种因素的影响,以及影响因素之间的关系是非线性和复杂的。传统的研究方法(如Jassen公式)只考虑一个或几个因素(10),它不利于动态侧压力的分析和研究。通过这种方式,有必要建立一个有效和简单的动态侧向压力预测方法将各种因素考虑在内。最近,机器学习和人工智能的发展,被广泛应用于许多研究领域。作为机器学习的方法之一,支持向量机(SVM)具有良好的泛化性能,是目前调查的焦点之一人工智能算法(11]。支持向量机广泛用于分类和回归分析,很有效的解决问题的特点是非线性、不确定,小样本,而且,它已经广泛应用于土木工程,展示了其效率和可靠性等问题。例如,戴et al。12)提出了一种支持向量density-based重要性抽样的可靠性评估和显示它的效率。同时,最小二乘支持向量机(LSSVM)技术应用于软粘土地基沉降的可靠性分析在13]。王等人。14)提出了一种支持向量机建立模型谓词边坡的稳定系数,和网格搜索方法用于优化参数。

因此,考虑到效率的支持向量机在解决复杂的问题,非线性,多因素,小样本问题及其在预测方面的优势,在这里,支持向量机方法来帮助预测的动态墙压力筒仓。首先,相关影响因素的动态侧压力竖井设置为输入变量,和动态侧向压力设置为输出值;第二,惩罚参数和核函数参数进行了优化,分别在网格搜索方法的帮助下,和动态的预测模型建立了筒仓侧压力。与其他方法相比,该模型显示其预测能力在筒仓的动态侧压力的测量。它提供了一个新的计算和筒仓的设计方法和依据。

2。支持向量机原理和参数优化

支持向量机算法是基于统计理论。这种方法的优点是,它采用结构风险最小化的原则。其模型(10,15] 在哪里是输入特征向量;是输出值;是非线性函数映射到高维特征空间;超平面的加权向量;和是偏差向量。

解决非线性回归支持向量机的关键,它可以解决通过使用下列方程的最优解:

方程(2)满足以下约束条件: 在哪里c是惩罚参数;是参数不敏感损失;和和松弛变量。

拉格朗日公式和Karush-Kuhn-Tucker条件是用来解决最优解下列方程所示:

方程(4)满足以下约束条件: 在哪里和拉格朗日乘数法。

核函数描述为 是注册来解决高维方程根据支持向量机算法。使用径向基函数为核函数由于其满意的预测精度,所示以下方程:

根据方程(1)和(4)- (6),支持向量机的回归拟合函数可以得到:

这里,LIBSVN工具箱是用来帮助实现基于支持向量机的预测(16]。

网格搜索方法的工作原理是将搜索所有参数来获得最优参数。然而,这种算法实现起来比较简单,但似乎耗费时间。本文采用一种改进的网格搜索方法来评估每个参数的性能(17]。详细,粗搜索执行在一个大范围,和一个很好的搜索执行在一个小范围内。然后,发现所有可能的参数和最优支持向量机参数将被选中。计算模型如图1。

3所示。预测的动态墙压力筒仓

几何尺寸的筒仓和存储材料的物理参数对筒仓的动态墙压力造成重大影响。此外,在筒仓卸料过程中,动态墙压力在不同的位置也不同。通常,比例模型、数值模拟和理论分析结合起来研究的动态侧压筒仓,它表明,三种方法的结果符合良好,可以作为筒仓设计和动态侧向压力的基础研究。这里,来验证的效率提出了基于支持向量机模型预测的动态侧压力预测模型的筒仓,505年数据库动态侧压力竖井收集中央放电期间(18- - - - - -23]。提出了一些相关的参数表1。

本文以发射井的深度,内径,高直径比,卸料口宽度、倾角的漏斗,内部摩擦系数,外部摩擦系数、密度、重力和测量点位置作为输入变量和动态墙筒仓压力作为输出值。400年的数据作为训练样本从数据库中随机选择,剩下的105年的数据作为测试样本。中描述的数据形式的一个矩阵,是一组数据,每一行和每一列对应一个变量。为了确保信息的准确性和可靠性预测模型,原始数据规范化情商如下面所示基础上: 在哪里和分别是最大和最小数据。

预测精度的支持向量机(SVM)模型对惩罚参数十分敏感c和内核参数 。目前,支持向量机(SVM)方法,相关的参数主要是基于经验和没有统一的模式。本文运用改进的网格搜索方法确定的最优值c和(24,25]。网格优化程序是由MATLAB程序写的。参数优化过程如下:步骤1:的范围和步长c和首先初始化。步骤2:c和马虎地选择。的范围c和是设置为2⁻¹⁰,2¹⁰]。默认值设置的步骤大小c和 ,和默认值设置为交叉验证的数量和最优步长均方误差。步骤3:c和就是选择。的范围c和是设置为2⁻⁸,2⁸]。0.8设置的步长c和g。3.0设置交叉验证的数量。0.05的步长设置为最佳的均方误差。好选择结果如图2。

根据优良的选择结果,5.278和3.0314是最优的c和值,分别。最优c和值替换到SVM预测模型如图1。均方误差(MSE)和相关系数采用的评价指标。105份测试样本的预测结果如图所示3。从图3,0.00041866和MSER²是0.98381,这表明,测试样本曲线基本上匹配预测曲线。在图所示的错误4。最小和最大误差分别为1.1%和14.88%,平均相对误差为7.21%。

为了验证支持向量机预测模型的适用性,预测结果与BP神经网络相比,使用相同的数据,结果如表所示2。结果表明,支持向量机方法能够很好地描述复杂的非线性的动态侧压力筒仓之间的关系及其影响因素。

总之,提出的支持向量机预测模型具有较高的精度,可以有效地预测动态墙筒仓的压力。

4所示。应用程序分析

在文献中相关参数选择和替换成提出的支持向量机预测模型(18- - - - - -21]。结果如图所示5。

可以看出,模拟值的预测值比早期的筒仓卸料和略小于预测值筒仓卸料的后期阶段。预测精度较高。测试值高于预期值。然而,随着深度的增加点,测量动态墙压力大致相同。主要原因是训练样本的支持向量机预测模型的模拟值;因此,预测值更接近模拟值。与PFC项目相比,该方法不仅提高了计算效率,还可以提供一个参考调查动态墙压力当PFC程序不能计算的动态墙压力大型筒仓。

5。结论

从这项研究中,提出了一些结论:(1)一种改进的网格搜索方法用于优化惩罚参数(c)和核函数( )支持向量机。最优c和分别是5.278和3.0314。该方法可以避免相关参数基于经验的主观看法。(2)均方误差(MSE)和相关系数的支持向量机预测模型接近0和1.0,分别,这表明支持向量机预测模型的精度是满意的。(3)提出的预测模型可以有效地解决非线性的动态侧压力筒仓之间的关系及其影响因素,并提供一个新方法研究动态墙筒仓的压力。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

作者表达自己的感谢中国国家自然科学基金(51578216)。

引用

1. t . Jacek在颗粒流在筒仓,实验和数值研究施普林格,德国,中国,2013。
2. g .枯萎评估负载在筒仓和其他大容量存储器结构泰勒和弗朗西斯,纽约,纽约,美国,2006年。
3. c·j·布朗和j·尼尔森筒仓:基础理论、行为和设计E & FN Spon,伦敦,英国,1998年。
4. d·l·o·史密斯和r . a . Lohnes粮库Overpres-sures膨胀引起的卸载,ASAE纸no.80 - 3013,美国社会的农业工程师、St.Joseph MI,美国,1980年。
5. l . x苏”,墙上的弹性变形及其影响在筒仓压力由放电引起拱,“郑州粮食学院杂志》上,18卷,不。4,59 - 63年,1997页。视图:谷歌学术搜索
6. h·a·詹森”关切ǜ在silozellen getreidedruck翻番,”Zeitschriff des联盟德国Ingenieure39卷,第1049 - 1045页,1895年。视图:谷歌学术搜索
7. d·h·刘和j.p.郝”,研究钢筋混凝土筒仓侧压在墙上,“《建筑结构,16卷,不。5,页57 - 63,1995。视图:谷歌学术搜索
8. f .元,x邵,王l . m . et al .,“蹲筒仓壁侧压力计算的方法,”工程力学,21卷,不。3、96 - 100年,2004页。视图:谷歌学术搜索
9. 美国美国太阳,j . h .赵c·g·张,“筒仓侧压力和掩体的新的解决方案,“广西大学学报(自然科学版),43卷,不。1,第177 - 168页,2018。视图:谷歌学术搜索
10. j .周z, m·f·杜et al .,“介观研究漏斗形态变化对筒仓压力的影响,“特殊的结构,23卷,不。4、14 - 16,2006页。视图:谷歌学术搜索
11. a . Christmann和Steinwart,支持向量机施普林格,柏林,德国,2008年。
12. h·戴·h·张,w·王,”一个支持向量density-based重要性抽样的可靠性评估,”可靠性工程和系统安全卷,106年,第93 - 86页,2012年。视图:出版商的网站|谷歌学术搜索
13. x y . Wang赵、王,“基于回归模型和蒙特卡罗方法的可靠性分析解决软粘土地基,”《岩石力学与岩土工程,5卷,不。4、312 - 317年,2013页。视图:出版商的网站|谷歌学术搜索
14. j·w·王,徐y s和j·李x”预测边坡稳定多项式系数icient网格搜索支持向量机的基础上,“铁路工程卷,59号5,312 - 317年,2019页。视图:谷歌学术搜索
15. s . Weerasinghe s Erfani t Alpcan et al .,“支持向量机弹性对训练数据完整性的攻击,“模式识别,卷96,不。12日,2019年。视图:出版商的网站|谷歌学术搜索
16. c . c . Chang和c·j·林,”库支持向量机”,ACM智能交易系统和技术,卷2,不。3、389 - 396年,2011页。视图:出版商的网站|谷歌学术搜索
17. h·a·法耶德和a . f . Atiya”加快网格搜索支持向量机的参数选择,”应用软计算,卷80,不。7,202 - 210年,2019页。视图:出版商的网站|谷歌学术搜索
18. 赵,分析和应用程序竖井的存储压力,博士论文武汉科技大学,武汉,中国,2013。
19. s . w .叮”分立元件的分析基于PFC3D存储筒仓的侧压力,“武汉科技大学,武汉,中国,2014年,硕士论文。视图:谷歌学术搜索
20. f .元,h·l·刘”卸载压力的数值模拟在深和浅仓库使用离散单元法,“河南科技大学学报(自然科学版)第41卷。。1,第74 - 68页,2020。视图:谷歌学术搜索
21. j·w·李”,研究数值模拟的排放压力筒仓考虑仓库直径的影响,“河南科技大学,Zhegnzhou,中国,2018年,硕士论文。视图:谷歌学术搜索
22. 肖z . r . s . h . Wang, k . j .刘”研究介观机制存储粒子大小的影响卸货流动状态和筒仓的仓壁压力,”河南科技大学学报(自然科学版),38卷,不。6,86 - 90年,2017页。视图:谷歌学术搜索
23. c·b·陈和x p .梁,“筒仓卸货过程中,离散单元仿真分析”油和食品科学和技术,16卷,不。1,11 - 13,2008页。视图:谷歌学术搜索
24. 美国Kostić:Vasović,d . Sunarić”新方法的网格搜索方法在边坡稳定分析中使用Box-Behnken统计设计,“应用数学和计算,卷256,不。4、425 - 437年,2015页。视图:谷歌学术搜索
25. c . c . Qi和a . Fourie”,巩固了粘贴回填矿产尾矿管理:回顾和未来的视角,“矿业工程,卷144,不。12日,21,2019页。视图:出版商的网站|谷歌学术搜索

版权

版权©2020余Hanhua et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。