基于粒子群优化的SVM-ARIMA大坝安全监控模型

摘要：

在大坝监控过程中,大坝变形的实测值是一个非线性且非平稳的时间序列,由于支持向量机(SVM)适用于解决小样本、非线性问题,本文在SVM的基础上建立大坝变形监控模型,并进行改进,利用ARIMA模型在解决非平稳时间序列问题中的优势,对SVM模型的残差进行处理,并采用粒子群算法(PSO)算法优化支持向量机(SVM)中的核函数.实例分析表明优化后的组合模型预测结果可信,且精度较SVM模型有所提高.

关键词： 大坝变形监控 ARIMA模型 支持向量机 粒子群优化

作者: 黄梦婧 杨海浪

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 温州市泽雅水库管理站,浙江温州325000

会议类型: 国内会议

会议名称: 2016年全国大坝安全监测技术与应用学术交流会

会议地点: 成都

会议语种:中文

页码: 511-517

在线出版日期: 2016-12-01（万方平台首次上网日期，不代表论文的发表时间）