合理考虑关键环境量对效应量影响的大坝安全监控模型是大坝安全运行性态在线监控的前提和基础。其中原理简单、计算便捷的加权面积法和灰色关联分析法的理论相对成熟,在关键影响因子识别中应用最为广泛,但其存在稳定性差、抗噪能力弱等...合理考虑关键环境量对效应量影响的大坝安全监控模型是大坝安全运行性态在线监控的前提和基础。其中原理简单、计算便捷的加权面积法和灰色关联分析法的理论相对成熟,在关键影响因子识别中应用最为广泛,但其存在稳定性差、抗噪能力弱等问题。因此,提出了变量投影重要性(Variable Importance for Projection,VIP)改进分析法,该方法引入主成分分析和典型相关分析进行信息分解和筛选,结合偏最小二乘回归的优点,能对因子的变化作出合理、符合客观实际的物理成因解释,并以工程实例校验其有效性。应用表明,改进的变量投影重要性分析法具备良好的适用性及抗噪能力,对测点关键影响因子的识别更具稳定性和合理性,有效提高了关键影响因子识别的可靠性。展开更多
为了实现利用较少的工程信息,快速准确的估计出工程项目的造价,提出了一种基于Adaboost-VIP的工程造价估计方法。首先采用变量投影重要性指标(variable importance in projection,VIP)法对影响工程造价的多个因素进行特征提取,然后利用...为了实现利用较少的工程信息,快速准确的估计出工程项目的造价,提出了一种基于Adaboost-VIP的工程造价估计方法。首先采用变量投影重要性指标(variable importance in projection,VIP)法对影响工程造价的多个因素进行特征提取,然后利用最小二乘支持向量机作为非线性逼近器,建立工程造价的估计模型。为了进一步提高模型的估计精度,将自适应提升算法(Adaboost)与VIP相结合,利用Adaboost将多个弱造价估计模型进行集成,得到强造价估计模型。同时将该方法应用到建筑案例中,结果表明:VIP方法能有效地对影响因素进行筛选,简化模型结构;Adaboost-VIP模型与单一的工程造价估计模型相比,具有更高的估计性能。展开更多
为了科学预测试验装备修理成本,提高维修经费决策质量,引入偏最小二乘回归分析(Partial Least Squares Regression,PLSR)对试验装备修理成本进行预测。针对试验装备修理成本小样本、贫数据、特征量相关性强的不利条件,构建预测模型;基...为了科学预测试验装备修理成本,提高维修经费决策质量,引入偏最小二乘回归分析(Partial Least Squares Regression,PLSR)对试验装备修理成本进行预测。针对试验装备修理成本小样本、贫数据、特征量相关性强的不利条件,构建预测模型;基于以往数次大修相关数据,预测试验专用装备使用期的某次大修成本。同时,为保持模型的稳健性,提高模型解释能力和预测精确度,尝试利用变量投影重要性分析对模型进行优化,取得了较好的效果。实例证明,该方法不仅能在多变量间存在严重多重相关性情况下建立模型,而且能够有效筛选与因变量关系不大的自变量,简化输入样本集。展开更多
文摘合理考虑关键环境量对效应量影响的大坝安全监控模型是大坝安全运行性态在线监控的前提和基础。其中原理简单、计算便捷的加权面积法和灰色关联分析法的理论相对成熟,在关键影响因子识别中应用最为广泛,但其存在稳定性差、抗噪能力弱等问题。因此,提出了变量投影重要性(Variable Importance for Projection,VIP)改进分析法,该方法引入主成分分析和典型相关分析进行信息分解和筛选,结合偏最小二乘回归的优点,能对因子的变化作出合理、符合客观实际的物理成因解释,并以工程实例校验其有效性。应用表明,改进的变量投影重要性分析法具备良好的适用性及抗噪能力,对测点关键影响因子的识别更具稳定性和合理性,有效提高了关键影响因子识别的可靠性。
文摘为了实现利用较少的工程信息,快速准确的估计出工程项目的造价,提出了一种基于Adaboost-VIP的工程造价估计方法。首先采用变量投影重要性指标(variable importance in projection,VIP)法对影响工程造价的多个因素进行特征提取,然后利用最小二乘支持向量机作为非线性逼近器,建立工程造价的估计模型。为了进一步提高模型的估计精度,将自适应提升算法(Adaboost)与VIP相结合,利用Adaboost将多个弱造价估计模型进行集成,得到强造价估计模型。同时将该方法应用到建筑案例中,结果表明:VIP方法能有效地对影响因素进行筛选,简化模型结构;Adaboost-VIP模型与单一的工程造价估计模型相比,具有更高的估计性能。
文摘为了科学预测试验装备修理成本,提高维修经费决策质量,引入偏最小二乘回归分析(Partial Least Squares Regression,PLSR)对试验装备修理成本进行预测。针对试验装备修理成本小样本、贫数据、特征量相关性强的不利条件,构建预测模型;基于以往数次大修相关数据,预测试验专用装备使用期的某次大修成本。同时,为保持模型的稳健性,提高模型解释能力和预测精确度,尝试利用变量投影重要性分析对模型进行优化,取得了较好的效果。实例证明,该方法不仅能在多变量间存在严重多重相关性情况下建立模型,而且能够有效筛选与因变量关系不大的自变量,简化输入样本集。
