基于改进自适应遗传算法的SVM的大坝变形预测模型

摘要：

大坝变形的实际监测值序列是一个非线性、非稳定的时间序列,引入径向基核函数后的支持向量机能有效解决非线性问题,因此可用支持向量机模型对大坝变形进行预测.支持向量机模型的核心问题是惩罚因子C和核函数参数σ的选取,针对标准遗传算法可能存在收敛局部小而最后得不到全局最优解,以及收敛速度慢等缺点,本文采用改进的自适应性遗传算法对参数进行寻优.通过实例表明,与自适应遗传算法的支持向量机模型和统计模型相比,改进的自适应遗传算法的支持向量机模型推广能力和泛化能力更好,从而证实该预测模型具有可行性和实际性.

关键词： 大坝 变形监测 支持向量机 自适应遗传算法

作者: 李月娇 包腾飞 屠立峰 唐琪 王慧

作者单位: 河海大学水利水电学院,南京210098;河海大学水文水资源与水利工程科学国家重点实验室,南京210098

会议类型: 国内会议

会议名称: 全国大坝安全监测技术信息网第八届全网大会暨2015年全国大坝安全监测技术与应用学术交流会

会议地点: 南京

会议语种:中文

页码: 309-315

在线出版日期: 2015-11-01（万方平台首次上网日期，不代表论文的发表时间）