基于高频组合片段-基因表达式编程算法的轨道交通地面沉降预测模型

[目的]地面沉降预测和控制是轨道交通盾构法隧道施工中最为关注的问题之一。为了解决现有地面沉降预测和控制中存在的模型表达过于复杂且缺乏解释性的问题,需要一种既简洁清晰,又能够描述复杂问题的可解释模型,GEP(基因表达式编程)算法提供了这种可能性,因此需对基于HFS(高频组合片段)-GEP算法的轨道交通地面沉降预测模型进行深入研究。[方法]以杭绍城际铁路某区段盾构隧道工程为依托,选取盾构施工过程中的土舱压力、刀盘扭矩、刀盘转速、推进速度、总推力、隧道埋深及盾尾注浆量等参数作为关键输入型施工参数,地面沉降作为输出型施工参数,通过备选公式集筛选以及HFS选取,建立基于HFS-GEP算法的轨道交通地面沉降预测模型。利用该模型对第180环—第210环区段的关键施工参数进行优化调整,分析盾构施工参数变化对地面最终沉降的影响效果。[结果及结论]基于HFS-GEP算法的地面沉降预测模型可以反映盾构施工参数与地面最终沉降的显式关系;相较于传统GEP算法的地面沉降预测模型,该模型准确度更高,结构更为简洁,且收敛速度更快。通过对盾构关键施工参数进行优化调整,该模型可将第180环—第210环区段的最终沉降量控制在10 mm以内。

面向吨钢综合能耗预测的基因表达式编程方法

钢铁是国民经济的基础用材,我国吨钢综合能耗仍与发达国家存在较大差距。准确预测吨钢综合能耗,有利于制定节能方针和减少能源浪费。根据我国钢铁工业吨钢综合能耗历史数据,利用基因表达式编程(Gene Expression Programming,GEP)算法,构建吨钢综合能耗预测模型。首先,将吨钢综合能耗进行等间隔时序化、函数表达式符号化,在终端集中添加常量数组;其次,利用选择操作、变异操作、重组操作和移项操作进行遗传操作,获得吨钢综合能耗预测模型。结果表明,基于GEP的预测值与实测值平均误差为0.31,该模型较准确地预测我国钢铁工业吨钢综合能耗发展趋势。

基因表达式程序设计方法在采煤工作面瓦斯涌出量预测中的应用

基因表达式程序设计是一种基于基因组和表现型组的新型遗传算法,该算法在运行时具有很高的效率,实验表明在求解很多问题的时候比遗传规划优越两个数量级以上。预测采煤工作面瓦斯涌出量是进行通风设计和制定矿井安全技术措施的重要依据,而影响采煤工作面瓦斯涌出量的各因素之间关系不明确。基因表达式程序设计比较适合于求解这一类复杂的非线性问题。本文采用基因表达式程序设计,建立了采煤工作面瓦斯涌出量的预测模型。结果表明,预测结果比遗传规划得到的结果具有更高的预测精度和很好的稳定性。文章最后指出了该方法具有广泛的应用前景。

基于基因表达式编程的人口预测模型

提出一种基于基因表达式编程算法(GEP)的人口预测新方法,并将该方法应用于东莞市人口预测实例问题研究。实验结果表明:由于基因表达式编程算法采用基因型与表现型相统一的编码方式、高效的遗传算子以及全局搜索的寻优方式,基于GEP算法的人口预测模型能够在样本少的情况下给出相对准确的预测结果。其验证数据的预测绝对值平均误差为0.96%,与灰色系统GM(1,1)预测模型及径向基人工神经网络预测模型相比,预测精度分别提高了18.34%、30.54%。GEP人口预测模型能够更好地挖掘人口发展的复杂非线性模式,有效防止过度拟合现象的发生,提供更为准确、合理的拟合及预测结果。

基于基因表达式编程的公路工程造价预测模型

基因表达式编程作为新型的人工智能数学建模方法,具有较强的函数发现能力和较高的搜索效率.针对公路工程造价预测特点和已有预测模型的不足,求解基于GEP的公路工程造价预测模型.根据工程造价的组成原理筛选确定11个公路工程特征因素,用15组公路工程数据作训练样本和验证样本,在设定好GEP算法的构成要素的前提下,使用Visual Basic语言表达GEP算法,求解公路工程造价预测模型.通过敏感性分析模型的可行性,用比较图和4个统计指标值对模型进行评价.结果表明,预测模型所得结果与工程实践相吻合,且预测值与实际值的相对误差≤5.9%,满足预测精度≤10%的要求,预测精度高,该模型具有较好的应用价值.

基于基因表达式编程的PM_(2.5)浓度预测模型研究

鉴于PM2.5浓度影响因素的复杂性,以及传统预测方法中存在的困难和不足,文中运用基因表达式编程算法,利用北京市2013年3月至4月的PM2.5日平均浓度值以及同步日平均污染物和气象数据,建立了PM2.5浓度预测模型.通过与灰色理论预测模型、BP神经网络预测模型的对比实验分析,发现基于基因表达式编程的预测模型所得到的预测值与实际值之间的误差最小,更能准确地反映样本数据之间的映射关系,预测精度明显高于其他2种预测模型.

基于基因表达式编程的私人汽车拥有量建模和预测

准确预测私人汽车拥有量,对制定经济政策和进行经济宏观调控、保证社会经济和谐发展有重要的作用。基因表达式编程(GEP)是新的进化模型,在数据挖掘领域得到了广泛的关注和研究,对符号回归任务表现了很强的优势。阐述了GEP基本原理,GEP进行序列分析的基本方法;根据1990—2007年全国和人汽车拥有量,基于GEP技术挖掘到了其模型。实验表明,基于GEP技术得到的私人汽车拥有量模型预测精度高、泛化能力强。

基于基因表达式编程的电力消费预测模型--武汉市的实证

本文运用基因表达式编程(GEP)方法,基于武汉市1990年至2005年的相关统计数据,构建了电力消费预测模型。研究显示,GEP法能够较好地克服有限样本数据序列的缺陷,并具有精度高、计算过程较为简化等优势。研究结果表明,武汉市电力消费主要影响因素的影响程度依次排序为:产业结构、能源效率改进、社会消费总额、人口、地区生产总值指数和电力价格指数。基于上述结论我们提出了解决电力短缺应该以加强电力能源效率改进为主导的政策建议。

采用基因表达式编程的自适应层次聚类方法

针对层次聚类算法高维度数据计算复杂度较高、抗干扰性较差、误差较大等不足,在结合基因表达式编程(GEP)非线性演化优越性能的基础上,提出一种基于GEP计算模型的层次聚类算法(GEPHCA),寻找经过基因遗传进化适应度最高的聚类中心.通过试验对比验证可知:基于基因表达式编程的自适应层次聚类方法在实际应用中是有效的,不仅能够实现自动聚类,而且和一般的聚类方法进行比较,具有自适应迭代、速度较快、稳定高效等优点.

基于基因表达式编程的邮电业务量预测

基因表达式编程(GEP)是将进化的遗传操作和个体的适应度评价相分离的进化模型,具有比遗传编程快2-4个数量级能力。邮电业务量是反映经济发展的重要指标之一,其预测技术得到了广泛的研究,主要工作包括:阐述了GEP基本原理,以及GEP进行时间序列分析的基本方法;运用了GEP技术,对邮电业务总量进行建模研究,并进行了预测检验和分析。实验结果表明,基于GEP得到的邮电业务总量模型有较好的泛化能力,在测试数据上平均相对误差为4.44%。

基因表达式编程中基因结构的一种改进方法

基因表达式编程是近年来兴起的一种新型遗传算法。本文在基因表达式编程方法的基础上,提出一种改进的基因结构,用于挖掘给定的样本数据集中隐含的函数关系,并就其效率问题与原有方法进行了比较。

基于基因表达式编程的中国劳动力质量空间差异预测

基于基因表达式编程(GEP)算法,预测了2016～2035年中国30省的劳动力质量趋势,并由此探究未来中国劳动力质量的空间差异演化特征。研究表明:自"十三五"时期开始,中国东部、东北、中部、西部的劳动力质量将普遍提高,但某些省份20年后仍不能达到目前东部的平均水平。与此同时,劳动力质量的空间差异先下降后回升,区域内差异持续高于区域间差异。未来东部环渤海、长三角省份劳动力质量提升后劲十足,但东部空间差异持续偏高;东北和中部将改变普遍偏低态势,区域内有望产生劳动力质量"增长极";西部劳动力质量提升明显,从而空间差异波动下降。因此,普及高中阶段教育的决策恰逢其时,以此为契机能够有效提升未来劳动力质量并降低其空间差异,从而助力供给侧结构性改革的深入推进,推动新时代中国经济发展顺利转型。

农机产品寿命预测的基因表达式编程-滑动窗口算法研究

提出了一种用于农机寿命预测的改进的基因表达式编程-滑动窗口(Gene Expression Programming-sliding windows,GEP-SW)算法,该方法通过滑动窗口动态地获取进行寿命预测的有效试验数据,运用改进的基因表达式编程计算预测时段的寿命值与前一时段寿命数值的依存程度,通过依存程度加权和对寿命进行预测。实例表明,改进的GEP-SW算法在获得4个及以上数据后便可以建立模型,解决了传统方法需要大量试验数据才能建模的不足,是一个解决农机产品寿命预测问题的途径。

基于基因表达式编程的充填体强度预测模型

为准确预测尾砂胶结充填体强度，建立了以孔隙率、粒级不均匀系数、曲率系数、充填料浆浓度、1／灰砂比、养护龄期6个因素作为输入因子，尾砂胶结充填体强度为输出因子的GEP充填体强度预测模型。以多个矿山室内充填物料配比试验数据为例，验证GEP预测模型的可行性。结果表明，GEP预测结果与实际值相对误差仅为5．13%。与BP神经网络模型的预测值进行对比，结果表明，GEP预测模型比BP神经网络模型预测结果（平均相对误差14．09％）更加精确，与实测值的拟合度更好。

基因表达式编程在公路货运量预测中的应用

传统的预测建模方法通常只适用于求解结构简单的多项式函数,针对公路运输货运量受多种因素的影响,使得现有的一些预测方法预测精度不高的问题,应用基因表达式编程建立了公路运输货运量预测模型。该算法具有简便、易于操作,并且其搜索空间广阔,函数复杂度高等特点。通过对实验结果的分析,表明此模型具有较好的预测效果。

基于基因表达式编程的高层建筑物变形预测模型的研究与实现

论述了高层建筑物变形预测研究现状和基因表达式编程及其算法,以某一实际高层建筑物前20期的变形原始数据作为训练数据,构建了该高层建筑物基于基因表达式编程(GEP)的预测模型,并对其最后5期的变形数据进行了预测分析。结果表明,基于基因表达式编程得到的预测值和实际值相差最大值为4 mm左右,其预测值在实际观测值上下浮动,说明预测曲线拟合性比较好,且具有较高的精度和较好的可靠性。

基于基因表达式编程的软件可靠性评测方法的改进

对当前建立的基于基因表达式编程的软件可靠性评测方法进行改进,引入了连续一步向前预测方式,并以改进后的系统和传统的数学模型预测方法做了对比实验。实验的结果证明基于GEP的预测方法具有更高的预测精度。

基于基因表达式编程的NSM FRP-混凝土粘结强度预测模型

纤维增强复合材料(fiber-reinforced polymer,FRP)已被广泛应用于混凝土加固工程中。FRP与混凝土界面间的粘结性能是影响加固效果的重要因素之一,为准确预测FRP嵌入式加固(near-surface-mounted,NSM)NSM FRP–混凝土的粘结强度,运用基因表达式编程(gene expression programming,GEP)方法,选取混凝土抗压强度、粘结长度、槽深宽比、FRP轴向刚度、FRP抗拉强度及环氧树脂抗拉强度等6个参数作为粘结强度的影响因素,建立了NSM FRP与混凝土粘结强度的预测模型,提出了具体的计算公式。通过比较粘结强度预测值与实验值,发现二者较为接近,说明该模型具有一定的可靠性。对该模型进行敏感性分析,发现其可以反映粘结强度与单因素之间的内在关系,即粘结强度随着粘结长度、混凝土抗压强度、槽深宽比及FRP轴向刚度等因素的增大而增大。将该GEP模型与经验模型及小波神经网络模型进行比较,并选取6个统计指标对模型进行评价。结果表明,GEP模型与小波神经网络模型的精度较高,各项误差指标均较小,决定系数分别为0.793和0.787。总体而言,GEP模型的精度略优于小波神经网络模型,二者的精度均远高于经验模型。

多细胞基因表达式编程和小波分析的降水预测

准确、及时的降水预测为地区水资源的开发管理、洪涝灾害防控及对人们的日常活动和生产计划非常重要,但是降水数据的非线性、非平稳性特点,以及噪声问题严重影响预测精度。本文将具有较强函数挖掘能力的多细胞基因表达式编程与具有较强去噪和提取数据细微特征能力的小波分析相结合进行降水预测建模,提出了WTGEPRP算法对气象降水进行预测。郑州、南宁、澳大利亚墨尔本三组真实的降水数据进行模拟的比较结果表明:WTGEPRP算法拟合和预测的性能比基于EMD和多细胞GEP的降水预测算法、支持向量回归机、BP神经网络、多细胞基因表达式编程、基因表达式编程等算法的性能好,具有较好的应用前景。

基因表达式编程在重金属形态预测建模中的应用研究

提出一种改进的GEP(Gene Expression Programming)算法。根据重金属(HM)形态随时间变化(HMFT)的特点,建立基于跳跃基因表达式编程(JM-GEP)的重金属形态预测模型。跳跃算子是该模型的关键。为了保持种群多样性,研究最优保留策略GEP的收敛特性,跳跃算子采用自适应的跳跃概率。针对改进后的JM-GEP算法,提出一种基于GEP的重金属形态预测建模方法。仿真结果表明新模型更适合于HMFT的特性函数,找到全局最优解,且明显优于经典GEP算法及其他算法。该新模型方法还可广泛用于其他时间序列预测问题的研究。