李春祥， 丁晓达, 叶继红

(1.上海大学 土木工程系，上海 200072； 2.东南大学 混凝土与预应力混凝土结构教育部重点实验室，南京 210018)



基于混合蚁群和粒子群优化LSSVM的脉动风速预测

李春祥1， 丁晓达1, 叶继红2

(1.上海大学 土木工程系，上海 200072； 2.东南大学 混凝土与预应力混凝土结构教育部重点实验室，南京 210018)

为提高最小二乘支持向量机(LSSVM)对脉动风速预测的精确性，提出了基于混合蚁群和粒子群优化LSSVM的预测方法。对LSSVM参数进行搜索寻优，主要分为两阶段：第一阶段，利用蚁群算法在参数空间进行全局搜索，实现对LSSVM参数的初步寻优；第二阶段，利用蚁群算法获得的寻优结果初始化粒子群粒子位置，实行进一步的粒子群搜索寻优，获得更为精确的LSSVM。运用基于混合蚁群和粒子群优化的LSSVM对脉动风速时程进行预测，并与分别基于蚁群和粒子群优化的LSSSVM预测结果进行对比。数值分析表明，基于混合蚁群和粒子群优化的LSSVM预测方法精度高、鲁棒性强，具有工程应用前景。

脉动风速预测；最小二乘支持向量机；混合智能优化；蚁群算法；粒子群算法

风振时域计算分析，可以更全面地了解超高层建筑、大跨桥梁和空间结构等的风振响应特性以及风致振动控制的有效性。风速通常分为平均风速和脉动风速，其中脉动风速具有随机特征，其周期较短，更接近结构的自振周期，使结构可能发生顺风向振动、横风向驰振、漩涡脱落、扭转发散振动以及其它耦合振动的风致随机振动[1]。因此，掌握完整的脉动风速时程资料，对结构设计具有重要意义。……