基于PSO-SVM算法的乐昌峡鹅公带滑坡体位移预测模型
发布时间：2021-08-01 02:49
以乐昌峡鹅公带滑坡体作为研究对象,考虑日降雨量、渗压对边坡变形的影响,建立了BP、SVM、PSO-BP、PSO-SVM四种滑坡体变形预测模型。从乐昌峡安全检测系统导出近4年研究数据,筛选使用其中410组数据进行训练,取30组变形位移作为输出,分析后发现PSO-SVM模型为最佳模型。以PSO-SVM模型为研究对象,对粒子群算法迭代次数、种群规模、速度位置相关系数（k）等因素进行研究,得知三者分别为100、30、0.5时得到最优的PSO-SVM模型,此时的RMSE、MAPE、R2分别为0.202 mm、0.589%、0.985。相对于大型有限元仿真软件、多元线性回归模型等传统方法,文章所提出的预测模型可以减少计算成本;在面对非线性问题时也能够获得更好的处理效果。
【文章来源】：中山大学学报(自然科学版). 2020,59(05)北大核心CSCD
【文章页数】：9 页
【部分图文】：
BP神经网络的拓扑构架流程图
当采用PSO算法时，关于潜在解的问题都可以被视为搜索空间的粒子。对于任何一个粒子而言，在优化函数的作用下它都会形成一个适应度值，同时还对应有一个额外的速度，它决定了粒子们飞的方向以及距离。粒子位置更新方法如图2所示。图2中，v指的是粒子的“飞行”速度；x指的是粒子起始位置；p表示搜索到的粒子最优位置。
乐昌峡水利枢纽工程是当前乐昌市境内最为重要的水利项目之一，它与乐昌市区的距离仅为14 km，且与韶关市相连，它在整个北江上游防控工作中发挥出极为重要的作用。该水利工程以防洪控制为主，还兼具发电与航运等多种应用功能。参考相关工程资料得知，坝址上游库区多年来均存在岸坡体稳定性不足的问题，并且鹅公带滑坡体最为严重。此部分的坡体总方量达到240万m3，对平面布置图进行分析得知其主要呈椭圆形，长度达到400 m，平均宽度达到240 m；区域周边的山脊边坡陡度较大，但地形总体来说较为完整，上部后缘陡度普遍达到45°。对滑坡体的地质进行分析，主要以全风化粉砂质板岩为主，且含有大量的强风化岩块，在近几年多次发生小型滑坡现象。乐昌峡地区部分滑坡见图4，鹅公带滑坡体平面监测示意图见图5。
【参考文献】：
期刊论文
[1]基于EEMD与SE的IPSO-LSSVM模型在坝肩边坡变形预测中的应用[J]. 李桥,巨能攀,黄健,王昌明,赖若帆,剪鑫磊. 长江科学院院报. 2019(12)
[2]洪湾渔港工程潮流泥沙的输运特性[J]. 冯立文,姚清河,苏炜,王生,徐文兵. 中山大学学报(自然科学版). 2019(01)
[3]基于改进PSO神经网络的微米木纤维切削参数优化[J]. 齐红,任洪娥,贾鹤鸣,袁世庆. 中山大学学报(自然科学版). 2018(02)
[4]某水下机器人阻力特性的数值模拟[J]. 白航,王伟竹,姚清河. 中山大学学报(自然科学版). 2018(01)
[5]粒子群算法参数设置对新安江模型模拟结果的影响研究[J]. 刘欣蔚,王浩,雷晓辉,廖卫红,王明娜,王维平,张苹苹. 南水北调与水利科技. 2018(01)
[6]融合混沌残差的大坝位移蛙跳式组合预报模型[J]. 魏博文,熊威,李火坤,彭圣军,徐镇凯. 武汉大学学报(信息科学版). 2016(09)
[7]基于ARIMA模型的大坝滑坡体表面位移监测分析预报[J]. 李明,曾金志. 东华理工大学学报(自然科学版). 2016(S1)
[8]改进粒子群算法在水库优化调度中的应用[J]. 丁根宏,曹文秀. 南水北调与水利科技. 2014(01)
[9]时间序列分析与支持向量机的滑坡位移预测[J]. 彭令,牛瑞卿,吴婷. 浙江大学学报(工学版). 2013(09)
[10]利用BP神经网络进行水库滑坡变形预测[J]. 易庆林,曾怀恩,黄海峰. 水文地质工程地质. 2013(01)
本文编号：3314689
【文章来源】：中山大学学报(自然科学版). 2020,59(05)北大核心CSCD
【文章页数】：9 页
【部分图文】：
BP神经网络的拓扑构架流程图
当采用PSO算法时，关于潜在解的问题都可以被视为搜索空间的粒子。对于任何一个粒子而言，在优化函数的作用下它都会形成一个适应度值，同时还对应有一个额外的速度，它决定了粒子们飞的方向以及距离。粒子位置更新方法如图2所示。图2中，v指的是粒子的“飞行”速度；x指的是粒子起始位置；p表示搜索到的粒子最优位置。
乐昌峡水利枢纽工程是当前乐昌市境内最为重要的水利项目之一，它与乐昌市区的距离仅为14 km，且与韶关市相连，它在整个北江上游防控工作中发挥出极为重要的作用。该水利工程以防洪控制为主，还兼具发电与航运等多种应用功能。参考相关工程资料得知，坝址上游库区多年来均存在岸坡体稳定性不足的问题，并且鹅公带滑坡体最为严重。此部分的坡体总方量达到240万m3，对平面布置图进行分析得知其主要呈椭圆形，长度达到400 m，平均宽度达到240 m；区域周边的山脊边坡陡度较大，但地形总体来说较为完整，上部后缘陡度普遍达到45°。对滑坡体的地质进行分析，主要以全风化粉砂质板岩为主，且含有大量的强风化岩块，在近几年多次发生小型滑坡现象。乐昌峡地区部分滑坡见图4，鹅公带滑坡体平面监测示意图见图5。
【参考文献】：
期刊论文
[1]基于EEMD与SE的IPSO-LSSVM模型在坝肩边坡变形预测中的应用[J]. 李桥,巨能攀,黄健,王昌明,赖若帆,剪鑫磊. 长江科学院院报. 2019(12)
[2]洪湾渔港工程潮流泥沙的输运特性[J]. 冯立文,姚清河,苏炜,王生,徐文兵. 中山大学学报(自然科学版). 2019(01)
[3]基于改进PSO神经网络的微米木纤维切削参数优化[J]. 齐红,任洪娥,贾鹤鸣,袁世庆. 中山大学学报(自然科学版). 2018(02)
[4]某水下机器人阻力特性的数值模拟[J]. 白航,王伟竹,姚清河. 中山大学学报(自然科学版). 2018(01)
[5]粒子群算法参数设置对新安江模型模拟结果的影响研究[J]. 刘欣蔚,王浩,雷晓辉,廖卫红,王明娜,王维平,张苹苹. 南水北调与水利科技. 2018(01)
[6]融合混沌残差的大坝位移蛙跳式组合预报模型[J]. 魏博文,熊威,李火坤,彭圣军,徐镇凯. 武汉大学学报(信息科学版). 2016(09)
[7]基于ARIMA模型的大坝滑坡体表面位移监测分析预报[J]. 李明,曾金志. 东华理工大学学报(自然科学版). 2016(S1)
[8]改进粒子群算法在水库优化调度中的应用[J]. 丁根宏,曹文秀. 南水北调与水利科技. 2014(01)
[9]时间序列分析与支持向量机的滑坡位移预测[J]. 彭令,牛瑞卿,吴婷. 浙江大学学报(工学版). 2013(09)
[10]利用BP神经网络进行水库滑坡变形预测[J]. 易庆林,曾怀恩,黄海峰. 水文地质工程地质. 2013(01)
本文编号：3314689
本文链接：https://www.wllwen.com/guanlilunwen/gongchengguanli/3314689.html
