• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于優(yōu)化支持向量機(jī)的強(qiáng)夯有效加固深度研究

    2022-03-02 02:47:00張?chǎng)问I(yè)譜鄧祥文李書蓉李秀榮
    關(guān)鍵詞:向量精度深度

    張?chǎng)问I(yè)譜鄧祥文李書蓉李秀榮

    (1.山東建筑大學(xué)土木工程學(xué)院,山東濟(jì)南 250101;2.山東建筑大學(xué)建筑結(jié)構(gòu)加固改造與地下空間工程教育部重點(diǎn)實(shí)驗(yàn)室,山東 濟(jì)南 250101;3.山東建大工程鑒定加固研究院,山東 濟(jì)南 250014)

    0 引言

    強(qiáng)夯法[1]是法國(guó)Menard公司在20世紀(jì)70年代創(chuàng)造的一種經(jīng)濟(jì)有效的地基處理方法。為了確保處理后地基場(chǎng)地工程可靠性,有必要對(duì)強(qiáng)夯作用過程進(jìn)行深入研究,而強(qiáng)夯過程是高速瞬時(shí)沖擊的動(dòng)力學(xué)歷程,整個(gè)過程作用機(jī)理復(fù)雜、影響因素繁多且具有高度的非線性,近半個(gè)世紀(jì)以來,工程界在其力學(xué)模型、能量響應(yīng)的仿真模擬及理論解析課題上仍面臨許多困難。

    在圍繞強(qiáng)夯法的研究中,有效加固深度的標(biāo)定是應(yīng)用強(qiáng)夯實(shí)現(xiàn)地基處理時(shí)的核心環(huán)節(jié)。強(qiáng)夯有效加固深度[2]是指經(jīng)強(qiáng)夯處理后的地基土力學(xué)指標(biāo)滿足設(shè)計(jì)要求的深度范圍,是關(guān)系到地基處理質(zhì)量的一項(xiàng)決定性指標(biāo),有效加固深度的研究由最初強(qiáng)夯理論提出時(shí)的Menard公式系數(shù)修正法[3],逐步發(fā)展出BILLAM經(jīng)驗(yàn)計(jì)算法、劉海沖經(jīng)驗(yàn)公式法等諸多基于試驗(yàn)與工程現(xiàn)場(chǎng)數(shù)據(jù)的計(jì)算方法。近年來,學(xué)者們從能量守恒[4]、量綱匹配[5]、相關(guān)性分析等方面對(duì)強(qiáng)夯的有效加固深度理論進(jìn)行了更深層次的數(shù)值解析預(yù)測(cè)與分析[6]。強(qiáng)夯過程過于復(fù)雜且非線性程度很高,相關(guān)經(jīng)驗(yàn)公式、力學(xué)模型等存在較大的局限性,同時(shí)諸多經(jīng)驗(yàn)公式的簡(jiǎn)化與調(diào)參過程不可避免地產(chǎn)生誤差,因而對(duì)于有效加固深度預(yù)測(cè)模型與算法研究仍是當(dāng)前亟待解決的難題。

    隨著現(xiàn)代電子計(jì)算機(jī)的發(fā)展以及科學(xué)計(jì)算語言的進(jìn)步,許多學(xué)者采用基于機(jī)器學(xué)習(xí)及智能算法預(yù)測(cè)了有效加固深度,如基于模糊信息優(yōu)化處理技術(shù)[7]、BP人工神經(jīng)網(wǎng)絡(luò)技術(shù)(Back Propagation-Artificial Neural Networks,BP-ANN)[8]。其中,神經(jīng)網(wǎng)絡(luò)算法在預(yù)測(cè)領(lǐng)域得到了廣泛的應(yīng)用,但是由于其在局部極小值的處理以及學(xué)習(xí)訓(xùn)練過程中過分依賴經(jīng)驗(yàn)或大量樣本數(shù)據(jù)集等方面的缺陷,降低了該算法在強(qiáng)夯有效加固深度問題上應(yīng)用的準(zhǔn)確性與有效性。在工程數(shù)值問題的回歸分析中,許多學(xué)者應(yīng)用支持向量機(jī)算法的研究取得了進(jìn)展,改進(jìn)支持向量機(jī)算法在機(jī)械系統(tǒng)故障自動(dòng)化診斷[9]、隧道結(jié)構(gòu)行為分析[10]、航空航天器服役狀態(tài)評(píng)估[11]等研究課題中得到重視和發(fā)展。

    文章提出了應(yīng)用異于傳統(tǒng)機(jī)器學(xué)習(xí)方法的支持向量機(jī)算法模型回歸預(yù)測(cè)強(qiáng)夯有效加固深度,是支持向量機(jī)算法在該工程問題上的初步嘗試。通過編程構(gòu)建(Support Vector Machines,SVM)模型,并設(shè)計(jì)遺傳算法程序模塊優(yōu)化模型中的關(guān)鍵參數(shù),實(shí)現(xiàn)了對(duì)數(shù)據(jù)的最優(yōu)分析與預(yù)測(cè),并將工程現(xiàn)場(chǎng)實(shí)測(cè)數(shù)據(jù)在SVM模型的回歸預(yù)測(cè)精度和BP神經(jīng)網(wǎng)絡(luò)模型中的回歸預(yù)測(cè)精度進(jìn)行對(duì)比,評(píng)價(jià)了這類模型的預(yù)測(cè)精確度和可靠性。

    1 支持向量機(jī)回歸理論

    1995年,VAPNIK等[12]提出支持向量機(jī)理論SVM。SVM是一種在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上發(fā)展出來的全新機(jī)器學(xué)習(xí)算法,基于VC維(Vapnik-Chervonenkis Dimension)理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化(Structural Risk Minimization,SRM)原則,通過尋找最優(yōu)分隔超平面的過程實(shí)現(xiàn)對(duì)樣本數(shù)據(jù)的分類或者回歸預(yù)測(cè)[13]。最優(yōu)超平面建立的過程使得模型對(duì)于小樣本問題仍能較好地適用,并且泛化能力得到保證,支持向量機(jī)算法具有較高的準(zhǔn)確性及穩(wěn)定性,成為解決有限樣本數(shù)據(jù)處理、高維模式識(shí)別、非線性回歸擬合問題的一種新方式。

    支持向量機(jī)的基本原理是通過尋找一個(gè)能將現(xiàn)有樣本集按照模式類型分開且能同時(shí)滿足分類間隔最大的最優(yōu)分類超平面完成數(shù)據(jù)處理。對(duì)于非線性問題,需將數(shù)據(jù)映射到高維度的特征空間后圍繞選擇得到的支持向量(Support Vectors,SV)進(jìn)行回歸分析,進(jìn)而尋找最優(yōu)分類超平面,將線性支持向量機(jī)的應(yīng)用推廣至非線性解空間。

    圖1為平面數(shù)據(jù)高維映射后線性可分示意圖,表示了在二維平面線性不可分的兩類數(shù)據(jù)映射至三維空間后可被Z=KX+b形式的平面劃分,其中X={x1,x2}。圖1中,x1軸表示第一維度數(shù)值,x2軸表示第二維度數(shù)值,z軸表示映射后的高維數(shù)值。。 其中,xi(i=1,2,

    圖1 平面數(shù)據(jù)高維映射后線性可分示意圖

    在回歸擬合問題上,假設(shè)給定一個(gè)樣本集S=…,n)為輸入變量,由n個(gè)d維向量構(gòu)成;yi為對(duì)應(yīng)的期望輸出值。故該樣本集回歸函數(shù)f(x)的形式由式(1)表示為

    式中ω∈Rd為權(quán)值矢量;b∈R為標(biāo)量閾值;ω·xi表示ω與xi的點(diǎn)積。求解ω和b的優(yōu)化問題由式(2)和(3)表示為

    式中ε為引入的不敏感因子;C為懲罰因子,表示對(duì)超出誤差式中達(dá)ε的樣本的懲罰程度;ξi、ξ*i為松弛變量,是樣本偏離不敏感區(qū)間ε的上、下限界。

    支持向量機(jī)數(shù)據(jù)回歸擬合示意圖如圖2所示,展示了支持向量機(jī)算法回歸擬合分析的計(jì)算規(guī)則,坐標(biāo)中的3條曲線分別為f(x)和擬合區(qū)間上、下界。

    圖2 支持向量機(jī)數(shù)據(jù)回歸擬合示意圖

    根據(jù)非線性規(guī)劃對(duì)偶性理論,引入拉格朗日乘子建立優(yōu)化約束方程,將最小約束整理為凸二次規(guī)劃最大值問題,由式(4)表示為

    由最優(yōu)化理論(Karush-Kuhn-Tucker,KKT)條件可知,令式(4)對(duì)ω、b、ξi、偏導(dǎo)為0,可將其轉(zhuǎn)化成對(duì)偶形式求解,由式(5)和(6)表示為

    對(duì)式(5)的方程進(jìn)行求解得式(7)為

    式中K(xi,xj)=Φ(xi)·Φ(xj),是支持向量機(jī)的核函數(shù)。

    綜上映射操作,可得泛化回歸函數(shù),由式(8)表示為

    2 GA-SVM組合算法模型

    針對(duì)地基處理工程問題的數(shù)據(jù)分析與預(yù)測(cè)問題,應(yīng)選取容錯(cuò)性好,可泛化程度高的算法模型。復(fù)雜工程回歸預(yù)測(cè)中常應(yīng)用BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行分析,BP神經(jīng)網(wǎng)絡(luò)模型的研究成果在大樣本、多變量、高度非線性預(yù)測(cè)問題上得到了較高水平的肯定;BP神經(jīng)網(wǎng)絡(luò)利用數(shù)學(xué)關(guān)系構(gòu)建神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu),并通過對(duì)大量樣本數(shù)據(jù)的訓(xùn)練學(xué)習(xí),逆向確定修正出各隱含層神經(jīng)元間的連接強(qiáng)度,基于經(jīng)驗(yàn)數(shù)據(jù)的學(xué)習(xí)過程使其預(yù)測(cè)準(zhǔn)確率達(dá)到工程可接受水平;但是其算法存在過分依賴于原始經(jīng)驗(yàn)數(shù)據(jù)、較早地收斂于局部極值點(diǎn)、較高頻率的過擬合現(xiàn)象等問題。當(dāng)選擇應(yīng)用優(yōu)化支持向量機(jī)算法預(yù)測(cè)強(qiáng)夯有效加固深度時(shí),由于該算法通過尋找樣本中的支持向量,確定出距離樣本的間距最大的超平面而實(shí)現(xiàn)數(shù)據(jù)處理,且基于VC維理論實(shí)現(xiàn)矩陣變換使得原線性不可分的數(shù)據(jù)在足夠高的維度空間中線性可分,因此支持向量機(jī)具有機(jī)器學(xué)習(xí)算法中最高的樣本泛化能力與非線性適應(yīng)能力,算法即使在小樣本的數(shù)據(jù)分析中仍能發(fā)揮出較大的準(zhǔn)確度優(yōu)勢(shì)。

    文章基于計(jì)算軟件MATLAB平臺(tái)LIBSVM[14]工具箱編寫強(qiáng)夯有效加固深度的預(yù)測(cè)回歸程序,對(duì)SVM回歸預(yù)測(cè)進(jìn)行現(xiàn)實(shí)工程數(shù)據(jù)的仿真分析;同時(shí)編程構(gòu)建BP人工神經(jīng)網(wǎng)絡(luò)模型并完成建模、訓(xùn)練、仿真和預(yù)測(cè),對(duì)同一樣本集進(jìn)行訓(xùn)練,使神經(jīng)網(wǎng)絡(luò)模型達(dá)到與SVM模型同等的精度水平后,以地基處理工程現(xiàn)場(chǎng)實(shí)測(cè)數(shù)據(jù)為例,分析對(duì)比GA-SVM與BPANN兩種機(jī)器學(xué)習(xí)模型在強(qiáng)夯有效加固深度預(yù)測(cè)精度上的性能表現(xiàn)。

    支持向量機(jī)回歸試驗(yàn)中擬合結(jié)果的精度與算法中數(shù)據(jù)嵌入維數(shù)m、懲罰因子C、損失參數(shù)(不敏感因子)ε、核函數(shù)K類型及核函數(shù)相關(guān)參數(shù)之間存在一定聯(lián)系,確定最優(yōu)的模型參數(shù)組合可以使擬合誤差降至最低,且滿足測(cè)試樣本的檢驗(yàn)精度要求。計(jì)算模型中與運(yùn)算效率、計(jì)算精度有關(guān)的參數(shù)為C、ε和σ,其中C在特征空間中控制模型復(fù)雜度和經(jīng)驗(yàn)誤差風(fēng)險(xiǎn)比值,其值越大,SVM對(duì)樣本數(shù)據(jù)的擬合程度越高[15];ε控制樣本中支持向量的數(shù)量,其取值越大支持向量越少。3個(gè)影響參數(shù)間相互制約且無明確函數(shù)相關(guān)性,應(yīng)用進(jìn)化啟發(fā)式尋優(yōu)算法—遺傳算法(Genetic Algorithm,GA)[16]對(duì)C、ε、σ共3個(gè)參數(shù)的取值優(yōu)化。

    支持向量機(jī)的遺傳算法優(yōu)化部分具體通過以下步驟實(shí)現(xiàn):

    (1)遺傳算法參數(shù)初始化并定義初始種群

    確定種群數(shù)目為40,最大迭代次數(shù)為250次,交叉率單點(diǎn)交叉法取0.58,變異率取0.01,選擇范圍取0.9。

    (2)確定GA-SVM參數(shù)尋優(yōu)范圍并編碼

    C、ε、σ的尋優(yōu)區(qū)間分別設(shè)為[0,60],[0.000 01,0.1],[0,10],將其按二進(jìn)制形式進(jìn)行遺傳算法的種群染色體基因編碼,初始隨機(jī)產(chǎn)生基因型為該二進(jìn)制編碼序列的種群。

    (3)適應(yīng)度函數(shù)定義

    設(shè)定該模型中種群適應(yīng)度為SVM回歸結(jié)果的均方誤差。

    (4)選擇、交叉、變異

    根據(jù)個(gè)體適應(yīng)度,通過輪盤賭法將具有較低適應(yīng)度值的個(gè)體淘汰,較高適應(yīng)度值的染色體被復(fù)制;以交叉率交換染色體結(jié)構(gòu)中信息以得到子代基因,在種群進(jìn)化過程中,設(shè)定基因突變率以一定概率隨機(jī)改變?nèi)旧w編碼序列中的基因點(diǎn)。按照遺傳進(jìn)化策略,對(duì)種群運(yùn)用選擇、交叉、變異,并逐代進(jìn)化。

    (5)進(jìn)化終止尋優(yōu)求解結(jié)束并解碼

    當(dāng)種群進(jìn)化代數(shù)達(dá)到設(shè)定的上限時(shí),尋優(yōu)結(jié)束,將求解過程中適應(yīng)度值最佳的種群解碼,得到滿足條件的全局最優(yōu)解C、ε、σ,參數(shù)最優(yōu)化GA-SVM模型建立完成。

    使用優(yōu)化后的GA-SVM算法進(jìn)行樣本集數(shù)據(jù)回歸與測(cè)試集數(shù)據(jù)預(yù)測(cè),可以實(shí)現(xiàn)SVM算法的理論最優(yōu)性能。將其應(yīng)用于具體工程問題,應(yīng)當(dāng)有較高的預(yù)測(cè)精度與泛化能力。GA-SVM算法模型的回歸預(yù)測(cè)流程圖如圖3所示。

    圖3 GA-SVM模型回歸預(yù)測(cè)流程圖

    3 GA-SVM工程數(shù)據(jù)計(jì)算

    為了驗(yàn)證GA-SVM回歸預(yù)測(cè)模型在強(qiáng)夯法有效加固深度預(yù)測(cè)應(yīng)用上的性能,現(xiàn)從我國(guó)地基處理工程現(xiàn)場(chǎng)及相關(guān)文獻(xiàn)資料中選取36個(gè)強(qiáng)夯地基處理樣本集合,確定其輸入?yún)?shù)為地基土的干重度、含水量、夯錘夯擊能量和夯錘面積,期望其輸出值為有效加固深度一項(xiàng)。此樣本數(shù)據(jù)具有較高的離散性和獨(dú)特性,擁有一定程度的代表性。采用選取的36個(gè)工程樣本[17-18]經(jīng)過數(shù)據(jù)歸一化處理后組成的訓(xùn)練樣本集(見表1)對(duì)模型進(jìn)行訓(xùn)練,直到模型針對(duì)訓(xùn)練樣本集的訓(xùn)練預(yù)測(cè)結(jié)果的均方誤差降低至設(shè)定范圍后,應(yīng)用該模型進(jìn)行全新測(cè)試樣本集的仿真預(yù)測(cè)。

    表1 實(shí)測(cè)原始數(shù)據(jù)及歸一化處理數(shù)據(jù)結(jié)果表

    GA-SVM的完整應(yīng)用過程具體分為以下步驟:

    (1)對(duì)輸入數(shù)據(jù)歸一化處理,將不同量綱的數(shù)據(jù)按種類分別歸一化至區(qū)間[-1,1]內(nèi),可由式(9)表示為

    式中Kmax、Kmin分別為1、-1;Xmax、Xmin分別為實(shí)測(cè)原始數(shù)據(jù)每列的最大值、最小值組成的矩陣;Xout為歸一化值。

    (2)將36組多維數(shù)據(jù)參數(shù)輸入初始化后的GA-SVM參數(shù)尋優(yōu)環(huán)節(jié),當(dāng)均方誤差低至閾值時(shí),輸出C、ε、σ值,以確定具體的SVM模型。

    (3)預(yù)測(cè)深度值逆歸一化,將數(shù)據(jù)“放大”回原量綱數(shù)量級(jí),將該SVM模型對(duì)于樣本集的擬合程度與精確率列式計(jì)算;將結(jié)果繪圖展示,觀測(cè)誤差偏離程度與擬合可信度。

    (4)選取全新工程測(cè)試數(shù)據(jù)集代入GA-SVM預(yù)測(cè)模型以測(cè)試其對(duì)全新樣本的回歸能力與泛化水平,計(jì)算預(yù)測(cè)準(zhǔn)確率。選取深度數(shù)據(jù)相對(duì)誤差R與平均絕對(duì)均方誤差A(yù)反映結(jié)果的精度,分別由式(10)和(11)表示為

    式中yi為預(yù)測(cè)值,為實(shí)測(cè)值。

    歸一化數(shù)據(jù)輸入支持向量機(jī)后,支持向量機(jī)3參數(shù)C、ε、σ經(jīng)優(yōu)化后取值分別為3.00、0.00、和1.44。參數(shù)組成的支持向量機(jī)對(duì)原始36個(gè)五維數(shù)據(jù)的擬合精度表征為均方誤差值等于0.005,平方相關(guān)系數(shù)為0.973;重復(fù)優(yōu)化過程至結(jié)果收斂。均方誤差和相關(guān)系數(shù)的數(shù)據(jù)表明,GA-SVM對(duì)訓(xùn)練數(shù)據(jù)的回歸擬合程度達(dá)到相當(dāng)精確的預(yù)測(cè)程度。使用SVM訓(xùn)練階段未學(xué)習(xí)過的工程實(shí)測(cè)測(cè)試數(shù)據(jù)集代入檢驗(yàn),觀測(cè)該模型能否對(duì)于工程實(shí)測(cè)數(shù)據(jù)的預(yù)測(cè)達(dá)到與真值相近的準(zhǔn)確率水平。

    4 GA-SVM工程實(shí)例測(cè)試

    校驗(yàn)步驟中用于測(cè)試的實(shí)測(cè)數(shù)據(jù)[17]來自山西省化肥廠工程、化工部第二化工建設(shè)公司、山西化肥廠、化工部北京重機(jī)公司、化工部第二設(shè)計(jì)院及太原工業(yè)大學(xué)等。測(cè)試數(shù)據(jù)見表2,其中A、B、C組工程場(chǎng)地及土質(zhì)等具體如下:

    表2 測(cè)試數(shù)據(jù)表

    A組:山西化肥廠濕陷性黃土地基強(qiáng)夯處理工程,Ⅰ區(qū),濕陷性黃土地質(zhì),干重度為14.2 kN/m3、含水量為20.18%、強(qiáng)夯夯擊能量為3 500 kN·m、夯錘面積為7.00 m2,其實(shí)測(cè)有效加固深度為6.90 m(該深度數(shù)據(jù)不代入預(yù)測(cè)模型,用作最終預(yù)測(cè)值的驗(yàn)證與誤差檢驗(yàn))。

    B組:場(chǎng)地Ⅱ區(qū),濕陷性黃土地質(zhì),干重度組16.24 kN/m3、含水量為20.30%、強(qiáng)夯夯擊能量為2 500 kN·m、夯錘面積為4.52 m2,其實(shí)測(cè)有效加固深度為7.21 m。

    C組:場(chǎng)地Ⅰ區(qū),濕陷性黃土地質(zhì),干重度為14.10 kN/m3、含水量為22.35%、強(qiáng)夯夯擊能量為5 000 kN·m、夯錘面積為7.00 m2,其實(shí)測(cè)深度為8.00 m。

    檢驗(yàn)步驟中,將GA-SVM的預(yù)測(cè)數(shù)據(jù)與BPANN模型的對(duì)比,BP-ANN基于MATLAB平臺(tái)編程實(shí)現(xiàn),為保證對(duì)比有效客觀,選用訓(xùn)練至同GA-SVM一樣誤差(均方誤差為0.005)水平的BP-ANN進(jìn)行仿真預(yù)測(cè)。其中,BP-ANN模型選用含3個(gè)隱含層共50個(gè)神經(jīng)元構(gòu)成的誤差反向傳播網(wǎng)絡(luò)進(jìn)行訓(xùn)練,模型簡(jiǎn)圖如圖4所示。

    圖4 含3個(gè)隱含層的ANN結(jié)構(gòu)圖

    圖5 為BP-ANN模型和GA-SVM模型的計(jì)算深度與夯擊能量關(guān)系圖。對(duì)GA-SVM模型與BPANN模型多次重復(fù)仿真預(yù)測(cè),選取具有代表性且客觀可信的數(shù)據(jù),并對(duì)比了兩個(gè)模型計(jì)算測(cè)試樣本集的誤差,見表3。

    表3 模型計(jì)算測(cè)試樣本集的誤差對(duì)比表

    圖5 不同模型計(jì)算深度與夯擊能量關(guān)系圖

    計(jì)算數(shù)據(jù)相對(duì)誤差的絕對(duì)值≤3%時(shí),說明該模型精度較高[19]。由表3可知,GA-SVM的測(cè)試集預(yù)測(cè)值最大偏離真值為3.28%,其平均偏離為1.72%,其預(yù)測(cè)性能能夠滿足較高的精度且算法穩(wěn)定性較好,反映出其經(jīng)小樣本學(xué)習(xí)后的模型泛化能力同樣具有較高可信度;而BP-ANN預(yù)測(cè)模型,大量的神經(jīng)元組成的處理非線性數(shù)據(jù)的網(wǎng)絡(luò)結(jié)構(gòu)對(duì)訓(xùn)練數(shù)據(jù)量要求很高,從結(jié)果數(shù)據(jù)中反映出其對(duì)于測(cè)試樣本的預(yù)測(cè)精度偏離較大,波動(dòng)性過強(qiáng),存在過擬合現(xiàn)象。GA-SVM和BP-ANN測(cè)試集預(yù)測(cè)的均方誤差分別為0.024 1、1.184 9,GA-SVM模型預(yù)測(cè)的均方誤差僅為BP-ANN的2%,達(dá)到了不同量級(jí)的精度,試驗(yàn)過程多次重復(fù)后表明結(jié)果客觀可信,故GA-SVM模型的工程問題的泛化精度得到了有效地保證。

    5 結(jié)論

    通過編程構(gòu)建的應(yīng)用遺傳算法優(yōu)化支持向量機(jī)理論的數(shù)值擬合、回歸預(yù)測(cè)模型準(zhǔn)確、高效地實(shí)現(xiàn)了對(duì)強(qiáng)夯有效加固深度的計(jì)算分析,并將模型應(yīng)用到工程問題中,得到的主要結(jié)論如下:

    (1)遺傳算法優(yōu)化的支持向量機(jī)算法模型能夠在訓(xùn)練樣本上實(shí)現(xiàn)準(zhǔn)確的回歸擬合,數(shù)據(jù)擬合精度達(dá)到均方誤差值0.005,平均相關(guān)系數(shù)為0.973。

    (2)GA-SVM模型對(duì)測(cè)試樣本數(shù)據(jù)預(yù)測(cè)精度較高,預(yù)測(cè)結(jié)果均方誤差為0.024 1,相對(duì)誤差<3%,優(yōu)于BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)結(jié)果。數(shù)據(jù)證明,基于遺傳算法優(yōu)化的支持向量機(jī)模型在強(qiáng)夯有效加固深度問題上的擬合精度更高,預(yù)測(cè)準(zhǔn)確性更強(qiáng)。

    猜你喜歡
    向量精度深度
    向量的分解
    聚焦“向量與三角”創(chuàng)新題
    深度理解一元一次方程
    深度觀察
    深度觀察
    深度觀察
    基于DSPIC33F微處理器的采集精度的提高
    電子制作(2018年11期)2018-08-04 03:25:38
    向量垂直在解析幾何中的應(yīng)用
    GPS/GLONASS/BDS組合PPP精度分析
    向量五種“變身” 玩轉(zhuǎn)圓錐曲線
    9191精品国产免费久久| 国产精品电影一区二区三区 | 国产精品乱码一区二三区的特点 | 亚洲欧美激情综合另类| 大片电影免费在线观看免费| 久久人妻av系列| 色尼玛亚洲综合影院| 欧美日韩亚洲高清精品| 91大片在线观看| 午夜福利在线观看吧| 国产精品自产拍在线观看55亚洲 | 最新的欧美精品一区二区| www.999成人在线观看| 久久中文字幕人妻熟女| 麻豆国产av国片精品| 美女扒开内裤让男人捅视频| 啦啦啦视频在线资源免费观看| 午夜日韩欧美国产| 动漫黄色视频在线观看| 久久精品aⅴ一区二区三区四区| 十八禁网站免费在线| 电影成人av| 亚洲成a人片在线一区二区| 亚洲情色 制服丝袜| av电影中文网址| 老司机靠b影院| 久久香蕉精品热| 啪啪无遮挡十八禁网站| 人妻一区二区av| 久久久国产欧美日韩av| 精品国产超薄肉色丝袜足j| 久久国产精品影院| 国产亚洲精品久久久久久毛片 | 欧美精品人与动牲交sv欧美| 性少妇av在线| 真人做人爱边吃奶动态| 亚洲精品成人av观看孕妇| 乱人伦中国视频| 91麻豆精品激情在线观看国产 | 免费人成视频x8x8入口观看| 欧美日本中文国产一区发布| 999精品在线视频| 国产aⅴ精品一区二区三区波| 一级片'在线观看视频| 校园春色视频在线观看| 高清av免费在线| 精品少妇久久久久久888优播| 日日摸夜夜添夜夜添小说| 欧美日韩国产mv在线观看视频| 久久久精品区二区三区| 天堂√8在线中文| 国产精品成人在线| 亚洲欧洲精品一区二区精品久久久| 亚洲专区字幕在线| 十八禁高潮呻吟视频| 中文字幕人妻丝袜一区二区| 操出白浆在线播放| 亚洲中文日韩欧美视频| 婷婷精品国产亚洲av在线 | 丰满迷人的少妇在线观看| 国产亚洲精品一区二区www | 美女扒开内裤让男人捅视频| 国产精品亚洲一级av第二区| 高清视频免费观看一区二区| 国产成人精品无人区| 两性夫妻黄色片| 日韩有码中文字幕| 国产精品99久久99久久久不卡| 在线国产一区二区在线| 好看av亚洲va欧美ⅴa在| 亚洲va日本ⅴa欧美va伊人久久| 99国产精品一区二区三区| 久久国产精品影院| 男女床上黄色一级片免费看| 男人操女人黄网站| 免费一级毛片在线播放高清视频 | 欧美人与性动交α欧美软件| avwww免费| 久久亚洲真实| 国产在线精品亚洲第一网站| 天天躁夜夜躁狠狠躁躁| 99精国产麻豆久久婷婷| 免费不卡黄色视频| 美女国产高潮福利片在线看| 精品国产美女av久久久久小说| а√天堂www在线а√下载 | 亚洲男人天堂网一区| 日韩大码丰满熟妇| 淫妇啪啪啪对白视频| 妹子高潮喷水视频| 久久久水蜜桃国产精品网| 成年人黄色毛片网站| 9色porny在线观看| 久久国产精品影院| 欧美老熟妇乱子伦牲交| 亚洲五月婷婷丁香| 成人影院久久| 一级黄色大片毛片| 亚洲成av片中文字幕在线观看| 交换朋友夫妻互换小说| 精品午夜福利视频在线观看一区| 成年人午夜在线观看视频| ponron亚洲| 亚洲av日韩精品久久久久久密| 欧美日韩福利视频一区二区| 丝袜美足系列| 一区福利在线观看| 男人的好看免费观看在线视频 | 91麻豆av在线| 亚洲中文字幕日韩| 高清视频免费观看一区二区| 在线观看免费日韩欧美大片| 热re99久久国产66热| 悠悠久久av| www.999成人在线观看| 欧美日韩视频精品一区| 精品一区二区三区av网在线观看| 动漫黄色视频在线观看| 精品国产一区二区三区久久久樱花| 十分钟在线观看高清视频www| 美女福利国产在线| 下体分泌物呈黄色| 久久精品国产亚洲av香蕉五月 | 精品一区二区三区视频在线观看免费 | 曰老女人黄片| 午夜福利欧美成人| 十八禁人妻一区二区| 正在播放国产对白刺激| 国产精品电影一区二区三区 | 很黄的视频免费| 久久久久久久久久久久大奶| 女人久久www免费人成看片| 久久天堂一区二区三区四区| 欧美老熟妇乱子伦牲交| 精品人妻在线不人妻| 久久精品亚洲熟妇少妇任你| 亚洲精品成人av观看孕妇| 在线观看www视频免费| 中文亚洲av片在线观看爽 | 久久国产乱子伦精品免费另类| 亚洲美女黄片视频| 国产91精品成人一区二区三区| 日韩三级视频一区二区三区| 欧美日韩乱码在线| 成人手机av| 男女高潮啪啪啪动态图| 亚洲国产欧美网| 动漫黄色视频在线观看| 国产精品二区激情视频| 亚洲国产精品一区二区三区在线| 桃红色精品国产亚洲av| 欧美一级毛片孕妇| 99久久99久久久精品蜜桃| 老熟妇仑乱视频hdxx| 欧美老熟妇乱子伦牲交| 国产男女超爽视频在线观看| 最近最新免费中文字幕在线| 久久这里只有精品19| 午夜日韩欧美国产| 久久天堂一区二区三区四区| 日本vs欧美在线观看视频| 好看av亚洲va欧美ⅴa在| 久久精品aⅴ一区二区三区四区| 久久久久国内视频| 日日爽夜夜爽网站| 国产又色又爽无遮挡免费看| 欧美日韩视频精品一区| 午夜91福利影院| 国产xxxxx性猛交| 国产精品久久视频播放| 一级毛片高清免费大全| 精品人妻在线不人妻| 一区在线观看完整版| 免费在线观看日本一区| 99re在线观看精品视频| 女警被强在线播放| 热99国产精品久久久久久7| 亚洲国产精品sss在线观看 | 午夜精品在线福利| 又黄又爽又免费观看的视频| videosex国产| 成人三级做爰电影| 欧美人与性动交α欧美软件| 亚洲熟妇熟女久久| 日韩制服丝袜自拍偷拍| 国产又爽黄色视频| 国产午夜精品久久久久久| 青草久久国产| 伦理电影免费视频| 国产成人精品久久二区二区免费| 一区二区三区激情视频| 一区二区日韩欧美中文字幕| 久久99一区二区三区| 免费在线观看黄色视频的| 看免费av毛片| 女人被躁到高潮嗷嗷叫费观| 深夜精品福利| 国产精品偷伦视频观看了| 欧美黄色淫秽网站| 国产成+人综合+亚洲专区| 男女午夜视频在线观看| 欧美日韩亚洲综合一区二区三区_| 如日韩欧美国产精品一区二区三区| 国产亚洲欧美98| 精品第一国产精品| 男人的好看免费观看在线视频 | 一二三四在线观看免费中文在| 国产精品综合久久久久久久免费 | 很黄的视频免费| 免费一级毛片在线播放高清视频 | 欧美黄色淫秽网站| 欧美乱码精品一区二区三区| 下体分泌物呈黄色| 国产亚洲精品第一综合不卡| 黄色视频,在线免费观看| 18禁黄网站禁片午夜丰满| 一级毛片高清免费大全| 精品亚洲成国产av| 人妻一区二区av| 亚洲精品自拍成人| 美女福利国产在线| 亚洲国产看品久久| 热99re8久久精品国产| 97人妻天天添夜夜摸| 国产三级黄色录像| 国产精品 欧美亚洲| 免费在线观看影片大全网站| 久久天躁狠狠躁夜夜2o2o| 在线观看免费高清a一片| 亚洲伊人色综图| 亚洲av熟女| 久久国产精品人妻蜜桃| 波多野结衣av一区二区av| 国产成人影院久久av| 韩国av一区二区三区四区| 亚洲精品一二三| 久久久国产成人免费| 在线十欧美十亚洲十日本专区| 一a级毛片在线观看| 亚洲熟女精品中文字幕| 又黄又粗又硬又大视频| 国产一区二区激情短视频| √禁漫天堂资源中文www| 亚洲熟女毛片儿| 国产精品自产拍在线观看55亚洲 | 免费在线观看完整版高清| 欧美丝袜亚洲另类 | 亚洲精品粉嫩美女一区| 俄罗斯特黄特色一大片| 国产亚洲欧美98| 岛国在线观看网站| 80岁老熟妇乱子伦牲交| 精品福利永久在线观看| 亚洲综合色网址| 成人永久免费在线观看视频| 新久久久久国产一级毛片| 亚洲精品美女久久av网站| 亚洲一卡2卡3卡4卡5卡精品中文| www.熟女人妻精品国产| 国产精品1区2区在线观看. | 久久中文看片网| 久久午夜亚洲精品久久| 精品一区二区三区av网在线观看| 亚洲精品一卡2卡三卡4卡5卡| 亚洲第一av免费看| 国产精品自产拍在线观看55亚洲 | 老熟女久久久| 19禁男女啪啪无遮挡网站| 三级毛片av免费| 亚洲欧美一区二区三区久久| 免费看a级黄色片| 亚洲七黄色美女视频| 婷婷丁香在线五月| 岛国在线观看网站| 亚洲,欧美精品.| 欧美日韩成人在线一区二区| 国产精品电影一区二区三区 | 亚洲人成电影观看| 丰满人妻熟妇乱又伦精品不卡| 久久香蕉精品热| 天堂动漫精品| 很黄的视频免费| 欧美精品亚洲一区二区| 国产高清激情床上av| 成人黄色视频免费在线看| 大片电影免费在线观看免费| 电影成人av| 色综合欧美亚洲国产小说| 免费日韩欧美在线观看| 国产免费av片在线观看野外av| 性色av乱码一区二区三区2| 人妻久久中文字幕网| 久久国产精品影院| 视频区欧美日本亚洲| 操美女的视频在线观看| 国产亚洲精品一区二区www | 亚洲精华国产精华精| 亚洲欧洲精品一区二区精品久久久| 欧美日韩av久久| 国产欧美日韩一区二区三| 国产单亲对白刺激| 国产成+人综合+亚洲专区| 午夜福利一区二区在线看| 高清毛片免费观看视频网站 | 夜夜爽天天搞| 夫妻午夜视频| 欧美不卡视频在线免费观看 | 飞空精品影院首页| 午夜福利在线观看吧| 亚洲国产欧美网| 亚洲熟妇熟女久久| 两个人看的免费小视频| 久久精品熟女亚洲av麻豆精品| 男人操女人黄网站| 天堂俺去俺来也www色官网| 极品教师在线免费播放| 精品高清国产在线一区| 国产精品九九99| 亚洲欧洲精品一区二区精品久久久| 女人高潮潮喷娇喘18禁视频| 国产av又大| 国产亚洲av高清不卡| 人成视频在线观看免费观看| 一边摸一边抽搐一进一出视频| 中文字幕人妻丝袜一区二区| av一本久久久久| 新久久久久国产一级毛片| 一区二区三区精品91| 亚洲国产精品合色在线| 99国产综合亚洲精品| 热re99久久国产66热| 宅男免费午夜| 欧美成人免费av一区二区三区 | 一区二区三区精品91| 欧美激情久久久久久爽电影 | 婷婷精品国产亚洲av在线 | 伊人久久大香线蕉亚洲五| 亚洲色图 男人天堂 中文字幕| 不卡av一区二区三区| 国产成人精品在线电影| 免费一级毛片在线播放高清视频 | www.自偷自拍.com| 精品熟女少妇八av免费久了| 一进一出抽搐gif免费好疼 | 国产精品永久免费网站| 欧美在线黄色| 女人被狂操c到高潮| 久久人人97超碰香蕉20202| 欧美精品一区二区免费开放| 亚洲专区国产一区二区| 老鸭窝网址在线观看| 一本大道久久a久久精品| 亚洲第一青青草原| 久久国产精品人妻蜜桃| 亚洲男人天堂网一区| 久久影院123| 国产男靠女视频免费网站| 美女 人体艺术 gogo| 丝袜在线中文字幕| 在线观看免费日韩欧美大片| 亚洲中文字幕日韩| 欧美成狂野欧美在线观看| 久久久精品区二区三区| 男人操女人黄网站| 成人特级黄色片久久久久久久| 精品国产一区二区三区久久久樱花| 久久ye,这里只有精品| 午夜影院日韩av| 亚洲人成伊人成综合网2020| 涩涩av久久男人的天堂| 69精品国产乱码久久久| 欧美不卡视频在线免费观看 | 国产成人影院久久av| a级毛片黄视频| 国产精品av久久久久免费| 国产成人免费无遮挡视频| 在线免费观看的www视频| 自拍欧美九色日韩亚洲蝌蚪91| 纯流量卡能插随身wifi吗| 一级,二级,三级黄色视频| 亚洲av成人一区二区三| 日韩欧美免费精品| 欧美日韩瑟瑟在线播放| 69av精品久久久久久| 一边摸一边抽搐一进一出视频| 99精国产麻豆久久婷婷| 亚洲 欧美一区二区三区| 日韩欧美三级三区| 国产成人av激情在线播放| 国产精品免费一区二区三区在线 | 亚洲伊人色综图| 亚洲欧美激情综合另类| 精品亚洲成a人片在线观看| 国产熟女午夜一区二区三区| 国产一区二区三区视频了| 男人操女人黄网站| 久久人人97超碰香蕉20202| 国产成人一区二区三区免费视频网站| 超碰97精品在线观看| 亚洲色图 男人天堂 中文字幕| 亚洲五月色婷婷综合| 色精品久久人妻99蜜桃| av免费在线观看网站| 电影成人av| 亚洲欧美日韩另类电影网站| 久久天躁狠狠躁夜夜2o2o| 麻豆成人av在线观看| 久久精品91无色码中文字幕| 精品一区二区三区视频在线观看免费 | 国产精品二区激情视频| 免费观看精品视频网站| 国产三级黄色录像| 9191精品国产免费久久| 精品免费久久久久久久清纯 | 最近最新免费中文字幕在线| 97人妻天天添夜夜摸| 一边摸一边抽搐一进一小说 | 18禁裸乳无遮挡免费网站照片 | 美女高潮喷水抽搐中文字幕| 精品久久久久久电影网| 又黄又粗又硬又大视频| 亚洲第一青青草原| 久久精品国产99精品国产亚洲性色 | 欧美日韩国产mv在线观看视频| 国产免费av片在线观看野外av| 在线观看免费午夜福利视频| 亚洲欧美激情在线| 亚洲黑人精品在线| 午夜福利影视在线免费观看| 他把我摸到了高潮在线观看| 久久久久视频综合| 午夜视频精品福利| 大香蕉久久成人网| 久热爱精品视频在线9| 精品国产乱码久久久久久男人| 国产精品 欧美亚洲| 在线视频色国产色| 精品国产一区二区久久| 亚洲五月色婷婷综合| 亚洲av片天天在线观看| 欧美日韩乱码在线| 亚洲精华国产精华精| 国产成+人综合+亚洲专区| 99国产精品免费福利视频| 欧美日韩视频精品一区| 国产精品99久久99久久久不卡| 90打野战视频偷拍视频| 淫妇啪啪啪对白视频| 天天躁狠狠躁夜夜躁狠狠躁| 国产精华一区二区三区| 一边摸一边抽搐一进一出视频| 美女高潮喷水抽搐中文字幕| 亚洲精品乱久久久久久| 国产高清视频在线播放一区| 老司机影院毛片| 国产精品亚洲av一区麻豆| 美女扒开内裤让男人捅视频| 久久 成人 亚洲| 精品国产一区二区三区四区第35| 制服诱惑二区| 女人爽到高潮嗷嗷叫在线视频| 久久久精品区二区三区| 国产av精品麻豆| 狠狠婷婷综合久久久久久88av| 久久这里只有精品19| 亚洲欧美激情在线| 一个人免费在线观看的高清视频| 亚洲人成伊人成综合网2020| 亚洲欧美日韩另类电影网站| 日本欧美视频一区| 亚洲精品自拍成人| 色综合婷婷激情| av欧美777| 日本vs欧美在线观看视频| 女人被躁到高潮嗷嗷叫费观| 天天操日日干夜夜撸| 在线播放国产精品三级| 在线观看www视频免费| 国产有黄有色有爽视频| 成人三级做爰电影| 欧美日韩亚洲高清精品| 亚洲av熟女| 国产99久久九九免费精品| 在线观看一区二区三区激情| 久久亚洲真实| 757午夜福利合集在线观看| 免费观看人在逋| 国产成+人综合+亚洲专区| 成在线人永久免费视频| 亚洲中文日韩欧美视频| 19禁男女啪啪无遮挡网站| 窝窝影院91人妻| 亚洲成av片中文字幕在线观看| 免费不卡黄色视频| 欧美+亚洲+日韩+国产| 这个男人来自地球电影免费观看| 国产成+人综合+亚洲专区| 成年人免费黄色播放视频| e午夜精品久久久久久久| 精品电影一区二区在线| 久久亚洲真实| 精品卡一卡二卡四卡免费| 精品国产一区二区三区四区第35| 一区在线观看完整版| 国产在视频线精品| 国产不卡av网站在线观看| 国产区一区二久久| 日本五十路高清| 在线观看午夜福利视频| 欧美国产精品va在线观看不卡| 99精品欧美一区二区三区四区| 欧美日韩一级在线毛片| 久久国产精品影院| 日韩欧美免费精品| 香蕉久久夜色| 欧美日韩中文字幕国产精品一区二区三区 | xxx96com| 日本五十路高清| 在线观看午夜福利视频| 一级a爱视频在线免费观看| 欧美激情高清一区二区三区| 国产成人免费无遮挡视频| 亚洲精品一二三| 国产区一区二久久| 成人特级黄色片久久久久久久| 国产欧美亚洲国产| 成人影院久久| 亚洲欧美色中文字幕在线| 男人操女人黄网站| 国产精品一区二区精品视频观看| 久久中文字幕人妻熟女| 怎么达到女性高潮| 深夜精品福利| 美女扒开内裤让男人捅视频| 欧美 日韩 精品 国产| 成人免费观看视频高清| 成人手机av| 妹子高潮喷水视频| 国产亚洲精品久久久久5区| 国产成人啪精品午夜网站| www.自偷自拍.com| 久久这里只有精品19| 国产高清视频在线播放一区| 免费在线观看黄色视频的| 黑人巨大精品欧美一区二区mp4| 国产av一区二区精品久久| 午夜精品久久久久久毛片777| 水蜜桃什么品种好| 午夜福利在线免费观看网站| 黄片播放在线免费| 久久久水蜜桃国产精品网| 亚洲精品国产一区二区精华液| 麻豆乱淫一区二区| 亚洲九九香蕉| 老司机亚洲免费影院| 19禁男女啪啪无遮挡网站| 最新美女视频免费是黄的| 欧美黑人欧美精品刺激| √禁漫天堂资源中文www| 国产男靠女视频免费网站| 91麻豆av在线| 人人妻人人爽人人添夜夜欢视频| 欧美最黄视频在线播放免费 | 一本综合久久免费| 桃红色精品国产亚洲av| 一边摸一边做爽爽视频免费| 久久久久久亚洲精品国产蜜桃av| 久久人人97超碰香蕉20202| 久久久久精品国产欧美久久久| 丰满的人妻完整版| 黑人操中国人逼视频| 香蕉丝袜av| 动漫黄色视频在线观看| 很黄的视频免费| 99热只有精品国产| 精品卡一卡二卡四卡免费| 免费人成视频x8x8入口观看| 丝袜在线中文字幕| 亚洲成国产人片在线观看| 丰满的人妻完整版| 国产在视频线精品| 国产黄色免费在线视频| 日韩免费av在线播放| 首页视频小说图片口味搜索| 中文字幕人妻丝袜一区二区| 久久人妻av系列| 亚洲av日韩精品久久久久久密| 国内久久婷婷六月综合欲色啪| av中文乱码字幕在线| 久久久国产成人精品二区 | 午夜免费成人在线视频| 欧美精品一区二区免费开放| 午夜两性在线视频| 精品福利永久在线观看| 我的亚洲天堂| 亚洲精品国产精品久久久不卡| 午夜久久久在线观看| 天天影视国产精品| 国产激情久久老熟女| 啦啦啦免费观看视频1| 国产区一区二久久| 国产高清激情床上av| 欧美国产精品一级二级三级| 亚洲国产毛片av蜜桃av| 午夜精品久久久久久毛片777| 午夜两性在线视频| 亚洲一区二区三区欧美精品| 亚洲精品成人av观看孕妇| cao死你这个sao货| 好看av亚洲va欧美ⅴa在| 免费人成视频x8x8入口观看| a级毛片黄视频| 1024视频免费在线观看| 美女视频免费永久观看网站| 免费看十八禁软件|