基于小波核函数和支持向量机的大坝变形预测

发布时间：2017-10-10 18:14

  本文关键词：基于小波核函数和支持向量机的大坝变形预测

  更多相关文章： 小波分析 支持向量机 核函数 粒子群算法 预测模型

【摘要】：支持向量机中核函数的选择对大坝监控模型预测精度具有较大影响。基于支持向量机结构风险最小化以及小波框架理论,提出用小波核函数代替高斯径向基核函数(RBF),并采用粒子群算法对支持向量机的参数进行寻优,得到一种新的大坝变形预测模型。针对某实际工程,基于监测数据,将该模型与采用RBF核函数的支持向量机模型以及统计回归模型做对比,结果显示采用小波核函数的支持向量机模型模拟精度更高,泛化能力更强。
【作者单位】： 河海大学水文水资源与水利工程科学国家重点实验室;河海大学水利水电学院;
【关键词】： 小波分析 支持向量机 核函数 粒子群算法 预测模型
【基金】：国家自然科学基金项目(51579083,51479054,51139001,41323001) 高等学校博士学科点专项科研基金资助课题(20130094110010)
【分类号】：TV698.11
【正文快照】： 1研究背景根据大坝原型监测资料,建立大坝服役性态的预测模型,是大坝安全监控的重要内容[1]。目前主要的预测模型有:逐步回归分析模型、卡尔曼滤波模型、神经网络模型、支持向量机等。逐步回归模型比较简单方便,但预测精度不高;卡尔曼滤波模型预测精度高,但算法较复杂;神经网

【相似文献】

中国期刊全文数据库 前10条

1 任永泰;李丽;;基于综合模拟法与支持向量机的水资源预警分析[J];数学的实践与认识;2012年02期

2 张灵;翁毅;陈晓宏;;基于支持向量机的防洪脆弱性评价模型研究[J];人民长江;2009年24期

3 卢敏,张展羽;基于支持向量机的水资源可持续利用评价[J];水电能源科学;2005年05期

4 路亮;张爱军;;最小二乘支持向量机模型在大坝监测中的应用[J];人民黄河;2013年11期

5 牛海军;蔡春;;水资源短缺风险的支持向量机应用研究[J];辽宁科技学院学报;2013年04期

6 倪远臣;;基于支持向量机的东港市降水量预测模型研究[J];陕西水利;2014年02期

7 孙传文;钟平安;万新宇;王玉华;;考虑季节因子的支持向量机径流预测模型[J];中国农村水利水电;2014年04期

8 李波;徐宝松;武金坤;胡江;徐光磊;;基于最小二乘支持向量机的大坝力学参数反演[J];岩土工程学报;2008年11期

9 卫太祥;马光文;黄炜斌;;基于惩罚加权支持向量机回归的径流预测模型[J];水力发电学报;2012年06期

10 高尚;梅亮;;基于支持向量机的港口吞吐量预测[J];水运工程;2007年05期

中国重要会议论文全文数据库 前2条

1 于国荣;夏自强;;支持向量机的混沌序列预测模型及在径流中应用[A];2007重大水利水电科技前沿院士论坛暨首届中国水利博士论坛论文集[C];2007年

2 梁雪春;龚艳冰;;基于支持向量机的水资源可再生能力综合评价方法[A];江苏省系统工程学会第十一届学术年会论文集[C];2009年

中国博士学位论文全文数据库 前1条

1 周叶;基于新异类检测和支持向量机的水电机组诊断技术研究[D];中国水利水电科学研究院;2015年

中国硕士学位论文全文数据库 前5条

1 王学明;基于支持向量机方法的工程围岩变形预测研究[D];东北大学;2009年

2 姜仁辉;设计与实现基于支持向量机的水电故障分类器[D];吉林大学;2008年

3 韩叙东;基于支持向量机的水电故障分类器的设计与实现[D];东北大学;2008年

4 刘子介;基于事例推理和支持向量机理论的水电厂事故处理系统[D];西安理工大学;2006年

5 黄戈;基于最小二乘支持向量机的水轮发电机组振动故障诊断方法研究[D];西安理工大学;2009年

，

本文编号：1007843