-
题名改进的PSO-SVM模型在大坝变形预测中的应用
被引量：11
- 1
-
-
作者
徐朗
蔡德所
-
机构
三峡大学水利与环境学院
-
出处
《中国农村水利水电》
北大核心
2018年第3期120-123,128,共5页
-
基金
国家自然科学基金重点项目(51439003)
-
文摘
支持向量机(SVM)由于理论基础完善,在处理高维度非线性问题中,表现出了许多特有的优势。因此,支持向量机模型在处理大坝变形预测问题时具有明显的优越性,且常采用粒子群(PSO)算法对SVM模型的惩罚参数C和核函数σ进行寻优,但是标准的PSO算法存在早熟收敛以及易于陷入局部极小值等缺陷。引入柯西分布函数和密度函数,根据函数变化的性质对标准PSO算法中粒子位置和速度的更新公式进行改进,有效提升了算法的寻优性能。运用改进后的PSO-SVM模型对水布垭面板堆石坝的面板挠度变形进行预测分析,并与SVM模型、标准PSO-SVM模型的预测结果进行对比,结果显示,改进的PSO-SVM模型的拟合效果和预测精度都更加优秀,为进行大坝变形预测工作提供了一种性能优良,精度较高的预测模型。
-
关键词
大坝安全监测
支持向量机
改进的粒子群算法
面板挠度预测模型
-
Keywords
dam safety monitoring
support vector machine
improved particle swarm optimization
panel deflection prediction model
-
分类号
TV698.1
[水利工程—水利水电工程]
-
