基于混合智能算法优化LSSVM的短期风压预测

利用最小二乘支持向量机(least square support vector machine, LSSVM)预测建筑表面的风压.为提高LSSVM对风压预测的泛化能力与精度,提出了基于混合蚁群(ant colony optimization, ACO)和粒子群(particle swarm optimization, PSO)优化LSSVM的预测方法(ACO+PSO-LSSVM),对参数进行搜索寻优,该方法避免了ACO和PSO二者的缺点并实现优势互补.利用ACO+PSO-LSSVM算法对建筑表面风压进行单点和空间点预测,并与ACO-LSSVM和PSO-LSSVM算法作比较.结果表明,基于混合蚁群优化和粒子群优化的LSSVM预测模型预测精度高、鲁棒性强,具有较高的工程应用前景.

多变量非高斯风压的高性能智能预测

为了提高最小二乘支持向量机(LSSVM)对多变量非高斯风压预测的精度和泛化能力,采用混合蚁群(ACO)和粒子群(PSO)智能算法优化LSSVM的正则化参数和核参数,从而形成了混合智能优化LSSVM(称为ACO+PSO-LSSVM)多变量非高斯风压预测算法。使用现场实测多变量非高斯风压数据,对ACO+PSO-LSSVM多变量非高斯风压预测算法的性能进行验证,并与基于蚁群(ACO)和粒子群(PSO)智能优化LSSVM(分别称为ACO-LSSVM和PSO-LSSVM)的预测结果进行比较。比较结果表明,对于多变量非高斯风压预测,混合智能优化LSSVM(ACO+PSO-LSSVM)是高性能预测性算法,具有工程应用前景。

水泵房设备安装技术及质量控制

本文主要介绍水泵房等设备的安装技术,从基础、泵体、以及水管、减震措施多方面阐述安装过程中技术细节,并对安装过程中碰到的困难提出解决的方法,满足质量验收要求。

曾志插队在粤北

曾志,1926年入党,是一位已有近70年党龄的老党员了。她曾跟随毛主席,周总理等老一辈无产阶级革命家南征北战,参加过革命武装起义,当过红军战士,在延安参加抗日,在敌占区做过党的地下工作。建国后,她又担任过中共广州市委书记、中共中央组织部副部长。正是这位为党为人民奋斗了一辈子的革命老人,在十年浩劫中也难逃厄运,深受迫害。

水封溢水、冒泡现象的探讨

生活质量提高了,高层建筑的水封溢水、冒泡现象严重影响居民的日常生活(产生噪音、污染空气),通过分析排水管中的水流状态,阐述水封溢水、冒泡的根本原因,通过选材、安装等一系列措施来防范此类事件的发生。