ScholarMate
English简体中文繁體中文
客服热线:400-1616-289
登录注册
期刊论文

基于PSO-SVM模型的拱坝坝变形预测研究

刘敬洋; 刘何稚; 朱凯; 陈晨; 张凤山河海大学
三峡大学学报(自然科学版)2013-2-25
8阅读
引用收藏
分享

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)
相关
加载中…
  • 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.
查看全部 →

发表信息

论文状态
公开发表
期刊
三峡大学学报(自然科学版)
发表日期
2013-02-25
卷期
第 01 期
页码
30-33
语言
中文
成果收录
CHINAJOURNAL
资助标注
国家自然科学基金重点项目(51139001,51279052,51179066,51079046);水文水资源与水利工程科学国家重点实验室专项基金(2010585212)

作者

  • 刘

    刘敬洋 (第一作者)

  • 刘

    刘何稚

查看全部 5 位作者收起作者
  • 朱

    朱凯

  • 陈

    陈晨

  • 张

    张凤山

登录解锁更多功能

  • 收藏这篇,随时在“我的 · 收藏”找回
  • 认领你的成果,生成推广素材
  • 关注作者获取最新成果
  • 加入项目组、协同写作
注册 / 登录

产品服务

  • 科研之友
  • 创新城
  • 科创云

服务支持

  • 帮助中心
  • 隐私政策
  • 服务条款

联系方式

在线客服:【】
客服热线:400-1616-289
电子邮箱:support@scholarmate.com

关注或下载科研之友

微信二维码
微信公众号
客户端下载二维码
下载客户端
科研成果科研人员科研机构科研动态爱瑞思软件

©2026 深圳市科研之友网络服务有限公司

公安备案图标粤公网安备 44030502000213
粤ICP备 16046710 号粤B2-20110417