基于GAMPSO-SVM的大坝变形监控模型

摘要：

建立合理的安全监控模型对实测资料进行实时分析和处理对大坝的安全运行有着重要意义.近年来,支持向量机(SVM)在建立监控模型中得到了广泛应用.但参数的选取对SVM模型的精度有相当大的影响.为了提高参数选择的精度,在标准粒子群算法(PSO)的基础之上,提出了一种加入高斯扰动项的变异粒子群优化算法(GAMPSO),对支持向量机的参数进行寻优,建立了基于GAMPSO-SVM的大坝变形监控模型,并进行工程实例验证.结果表明,该模型能有效避免陷入局部最优,具有更好的预测精度和泛化能力.

关键词： 大坝安全 变形预测 粒子群算法 支持向量机 高斯扰动

作者: 李涧鸣 包腾飞

作者单位: 河海大学水利水电学院,江苏南京,210098;河海大学水文水资源与水利工程科学国家重点实验室,江苏南京,210098;河海大学水资源高效利用与工程安全国家工程研究中心,江苏南京,210098

会议类型: 国内会议

会议名称: 中国水力发电工程学会大坝安全专委会2015年会暨大坝安全检测技术与新仪器应用学术交流会

会议地点: 西宁

会议语种:中文

页码: 476-483

在线出版日期: 2015-09-01（万方平台首次上网日期，不代表论文的发表时间）