作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对建筑施工事故原始样本少、随机波动大和预测难度大等特点,对建筑施工事故小样本预测问题展开研究.采用LSSVM对建筑施工事故进行回归建模,发挥粒子群算法计算速度快和具有较强全局搜索能力的优点,基于PSO对LSSVM参数进行优化;以相关文献建筑施工事故为预测案例,运用所提方法进行仿真实验.结果表明:采用PSO-LSSVM预测方法的绝对误差(MAPE)为2.99%,并且每年的预测相对误差都低于5%,远低于现有研究方法得出的结果,说明所提方法具有预测精度高、泛化能力强的特点,能满足工程应用要求.
推荐文章
基于PSO-LSSVM模型的基坑周边建筑倾斜预测
基坑
建筑倾斜
时间序列预测
最小二乘支持向量机
粒子群优化算法
基于聚类PSO-LSSVM模型的PAD维度预测
情感维度PAD
最小二乘支持向量机
粒子群优化算法
情感聚类分析
基于 PSO-LSSVM 的建筑周围气象参数超短期预测
粒子群
最小二乘支持向量机
建筑周围气象参数
超短期预测
PSO-LSSVM的电力负荷预测研究
电力负荷预测
粒子群算法
最小二乘支持向量机
BP神经网络
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于PSO-LSSVM的建筑施工事故预测方法研究
来源期刊 重庆理工大学学报(自然科学版) 学科 工学
关键词 建筑事故预测 最小二乘支持向量机 粒子群算法
年,卷(期) 2018,(12) 所属期刊栏目 信息·计算机
研究方向 页码范围 157-161
页数 5页 分类号 TP391|X948
字数 2912字 语种 中文
DOI 10.3969/j.issn.1674-8425(z).2018.12.024
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 钟燕华 8 11 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (143)
共引文献  (114)
参考文献  (17)
节点文献
引证文献  (3)
同被引文献  (14)
二级引证文献  (0)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(7)
  • 参考文献(0)
  • 二级参考文献(7)
2000(2)
  • 参考文献(1)
  • 二级参考文献(1)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(7)
  • 参考文献(0)
  • 二级参考文献(7)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(4)
  • 参考文献(0)
  • 二级参考文献(4)
2005(7)
  • 参考文献(0)
  • 二级参考文献(7)
2006(12)
  • 参考文献(0)
  • 二级参考文献(12)
2007(10)
  • 参考文献(0)
  • 二级参考文献(10)
2008(15)
  • 参考文献(0)
  • 二级参考文献(15)
2009(11)
  • 参考文献(0)
  • 二级参考文献(11)
2010(14)
  • 参考文献(1)
  • 二级参考文献(13)
2011(15)
  • 参考文献(5)
  • 二级参考文献(10)
2012(8)
  • 参考文献(1)
  • 二级参考文献(7)
2013(9)
  • 参考文献(1)
  • 二级参考文献(8)
2014(10)
  • 参考文献(3)
  • 二级参考文献(7)
2015(7)
  • 参考文献(0)
  • 二级参考文献(7)
2016(4)
  • 参考文献(2)
  • 二级参考文献(2)
2017(3)
  • 参考文献(3)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
建筑事故预测
最小二乘支持向量机
粒子群算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
重庆理工大学学报(自然科学版)
月刊
1674-8425
50-1205/T
重庆市九龙坡区杨家坪
chi
出版文献量(篇)
7998
总下载数(次)
17
总被引数(次)
41083
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导