基于GCS-SVM的大坝变形监测非线性预警模型

摘要：

惩罚因子C和核函数参数σ的选择对于支持向量机(SVM)回归模型的拟合和预测精度至关重要.为克服SVM模型易陷入局部最优点的缺陷,提出基于高斯扰动的混合布谷鸟搜索算法(GCs),用于SVM参数的优选,提出GCS-SVM模型用于大坝变形监测非线性预警.通过实例验证分析表明,与SVM模型相比,GCS-SVM模型的预测精度和泛化能力均有一定程度的提高.

关键词： 大坝 变形监测 非线性预警模型 布谷鸟搜索算法 支持向量机

作者: 屠立峰 包腾飞 王慧 顾微

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;河海大学水资源高效利用与工程安全国家工程研究中心,南京210098 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2014年全国大坝安全监测技术与应用学术交流会

会议地点: 山西大同

会议语种:中文

页码: 72-78

在线出版日期: 2014-10-01（万方平台首次上网日期，不代表论文的发表时间）