典型文献
基于RF-GA-SVM算法的施工升降机输入电压控制模型
文献摘要：
针对在超高层建筑施工中施工升降机的驱动电机输入电压受多因素影响,导致其调节困难、能耗严重的问题,提出一种基于数据挖掘的RF-GA-SVM输入电压控制方法.首先,在实现控制电压多因素分析的基础上,基于随机森林(random forests,RF)算法进行了影响因素的重要度计算,确定各因素的影响权重值和样本约简集合,并通过ROC(接收者操作特征)曲线和AUC(ROC曲线下的面积)分析验证属性约简集的分类准确率;其次,采用基于遗传算法(genetic algorithm,GA)优化的支持向量机(support vector machine,SVM)算法,构建施工升降机输入电压控制模型;最后,利用施工升降机远程监控平台采集历史数据,对本研究提出的RF-GA-SVM输入电压控制模型进行训练和验证.实例验证结果表明:该模型检测样本的均方根误差(RMSE)为1.493,平均绝对误差(MAE)为0.899,平均绝对百分比误差(MAPE)为0.291％,决定系数(R2)为0.98,说明本方法可以有效选取影响因素,并根据影响因素和实际需求实现施工升降机输入电压的有效控制.
文献关键词：
施工升降机;随机森林算法;遗传算法;支持向量机;输入电压;控制模型
中图分类号：
作者姓名：
郗涛;徐伟雄;高宗帅;王莉静
作者机构：
天津工业大学机械工程学院,天津 300387;天津城建大学控制与机械工程学院,天津 300384
文献出处：
引用格式：
[1]郗涛;徐伟雄;高宗帅;王莉静-.基于RF-GA-SVM算法的施工升降机输入电压控制模型)[J].天津工业大学学报,2022(02):60-66
A类：
B类：
RF,GA,施工升降机,输入电压,电压控制,控制模型,超高层建筑施工,施工中,驱动电机,多因素影响,多因素分析,random,forests,重要度计算,影响权重,权重值,本约,接收者,操作特征,分析验证,属性约简,分类准确率,genetic,algorithm,support,vector,machine,远程监控,监控平台,历史数据,模型检测,检测样本,RMSE,平均绝对误差,MAE,平均绝对百分比误差,MAPE,决定系数,需求实现,随机森林算法
AB值：
0.312743
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
