基于ACO-SVR的混凝土坝变形监控模型

摘要：

近年来,支持向量机(SVM)在建立大坝安全监控模型中得到了广泛应用,但其拟合精度和泛化能力取决于模型核参数σ和惩罚因子C的选取.本文以最小k-fold交叉验证误差为目标,用蚁群路径优化选择的节点值体现,并选择支持向量回归机中的核参数σ和惩罚因子C.以此建立了基于蚁群算法优化支持向量回归机(ACO-SVR)的混凝土坝变形监控模型.通过工程案例研究,结果表明:该方法在参数优化方面具有较快的寻优速率,用于混凝土坝变形监控的建模研究精度较高,具有广泛的适用性.

关键词： 混凝土坝 变形监控 支持向量机 蚁群算法

作者: 李丹 郭芝韵 朱延涛

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: 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: 427-435

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）