小波去噪的灰色最小二乘支持向量机变形预测

发布时间：2018-02-12 05:42

  本文关键词： 变形预测 小波去噪 灰色模型 最小二乘支持向量机 粒子群算法　出处：《测绘科学》2017年10期 　论文类型：期刊论文

【摘要】：针对变形监测数据的随机性和非平稳性,以及单一预测模型的不足,该文提出了基于小波去噪的灰色最小二乘支持向量机变形预测模型。采用小波去噪对原始数据进行降噪处理,减弱数据随机扰动的影响,建立灰色最小二乘支持向量机模型,并采用粒子群算法寻找最优参数。通过大坝位移监测数据实例对模型进行验证,并与灰色模型、最小二乘支持向量机以及灰色最小二乘支持向量机进行对比分析。实验结果证明,该模型预测精度更高、稳定性更强。
[Abstract]:In view of the randomness and non-stationarity of deformation monitoring data, as well as the shortcomings of single prediction model, This paper presents a grey least squares support vector machine (LS-SVM) deformation prediction model based on wavelet denoising. Wavelet denoising is used to reduce the noise of the original data, and the influence of random disturbance of the data is reduced, and the grey least-squares support vector machine model is established. The particle swarm optimization algorithm is used to find the optimal parameters. The model is verified by the dam displacement monitoring data and compared with the grey model. The experimental results show that the prediction accuracy and stability of the model are higher than those of grey least squares support vector machine.
【作者单位】： 辽宁工程技术大学测绘与地理科学学院;辽宁工程技术大学外国语学院;
【基金】：国家自然科学基金项目(50604009) 辽宁省“百千万人才工程”人选资助项目(2010921099)
【分类号】：TP18;TV698.11

【相似文献】

相关期刊论文 前10条

1 卢敏;张展羽;冯宝平;贾仁辅;;基于支持向量机的区域水安全预警模型及应用[J];计算机工程;2006年15期

2 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

3 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

4 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

5 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

6 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

7 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

8 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

9 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

10 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

相关会议论文 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

相关博士学位论文 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

相关硕士学位论文 前6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 崔庆;最小二乘支持向量机模型的改进及其在径流预报中的应用[D];西北农林科技大学;2013年

6 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：1504910