文献

J-GLOBAL ID：201802290832705557   整理番号：18A0689114

GM(1,1)とSVMの組合せモデルを最適化する路床凍上予測応用【JST・京大機械翻訳】

The forecast application of subgrade’s frost-heaving index based on optimized GM(1,1) and SVM combination model

著者 (4件)： Le Tianhan (广州地鉄設計研究院有限公司,广東广州,510010) ,  Wu Yongjun (中南大学 交通運輸工程学院,湖南 長沙,410075) ,  Wu Xianghua (中南大学 交通運輸工程学院,湖南 長沙,410075) ,  Chen Feng (中南大学 交通運輸工程学院,湖南 長沙,410075)
資料名： Tiedao Kexue Yugongcheng Xuebao  (Tiedao Kexue Yugongcheng Xuebao)
巻： 14  号： 11  ページ： 2345-2351  発行年： 2017年 
JST資料番号： C3009A  ISSN： 1672-7029  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 非等時距離GM(1,1)最適化予測モデルに基づき,サポートベクトルマシンによる予測残差修正を用いて,組合せ予測アルゴリズムを確立し,そして,本アルゴリズムを用いて,鉄道路床の凍上を定量的に予測した。古典的非等時距離GM(1,1)モデルの背景値と初期値の計算方法を最適化し、同時に時間重み行列を設定し、異なる時間で測定したデータに対して異なる重みを与えた。初期予測後に,残差をSVMにより非線形に修正し,最終予測値を得た。実際の測定データに基づいて,本論文では,ハルビンの特別なセクションにおける実際の測定データを選択して,このアルゴリズムの実用的効果を試験した。予測モデルの平均予測誤差は2.039%で、最大予測誤差は5.911%、後検証差比は0.005、各指標は単一灰色モデルと文献[6]で確立した組合せ予測モデルより優れ、鉄道路盤凍上の高精度定量予測を実現した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： サポートベクトルマシン ,  *最適化 ,  アルゴリズム ,  *凍上 ,  予測誤差 ,  *路床 ,  *予測 ,  残差 ,  予測モデル
準シソーラス用語： 高精度 ,  予測値 ,  初期値 ,  予測アルゴリズム , 【Automatic Indexing@JST】

著者キーワード (6件)： railway engineering ,  railroad subgrade’s frost-heaving index ,  support vector machine ,  grey model ,  combination forecasting algorithm ,  residual errors revise

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (8件)： SVM ,  組合せ ,  モデル ,  最適化 ,  路床 ,  凍上 ,  予測 ,  応用