摘要
拱坝已成为大型水利枢纽的主要坝型之一,大坝变形预测是大坝安全监控的重要内容,预测分析的难点之一在于变形监测数据往往具有复杂的非线性特点.支持向量机(SVM)具有良好的泛化能力,可有效地解决小样本、非线性、高维数等问题,因此可将其广泛应用于拱坝变形观测中.由于算法的成功与否很大程度上取决于其参数的选取,本文充分利用粒子群算法快速全局优化的特点,采用粒子群算法来优化支持向量机的模型参数,建立了基于PSO-SVM的大坝变形预测模型.将该模型应用于某拱坝坝基变形预测中,与传统的多元回归模型预测结果进行对比.结果表明,PSO-SVM模型用于拱坝变形预测是可行的.
学科与关键词
关键词
拱坝变形预测粒子群优化算法支持向量机 arch damdeformation predictionparticle swarm optimization(PSO)support vector machine(SVM)
- 基于逐步回归-BP神经网络的大坝变形监测模型戚丹; 包腾飞; 康业渊; 柴丽莎水电能源科学, 2013, (08): 109.
- 基于坝体沉降监测的ν-SVR参数优化方法研究丛康林; 岳建平; 席广永测绘通报, 2013, (11): 40-43.
- 基于遗传算法的LIBSVM模型大坝扬压力预测研究刘天祥; 包腾飞; 宋锦焘; 沈寿亮; 梁睿斌; 姜彦作三峡大学学报(自然科学版), 2013, (06): 24-28.
