SVM算法在泵站管道及重力坝结构振动预测中的应用

发布时间：2021-05-18 23:37

　　随着水利工程的不断发展,机组、水流等与结构的耦合作用导致的水工结构振动问题已引起人们的重视,威胁了水工结构的安全运行。依据结构振动的历史数据来对不同位置结构振动状态以及未来振动趋势进行预测,使用更少的观测数据,以实现全面了解和控制水工结构振动情况已经成为水工安全领域一新的研究热点。本文采用不同种类的智能优化算法对SVM算法进行改进,构建优化的智能预测模型,以观测的实际振动数据为依据,利用模型处理非线性数据的能力,映射出预测结构的振动响应特征,从而实现对缺少监测数据的结构或监测部位的未来振动趋势进行预测的目的。本文所做的主要工作和得到的结论如下:1、研究了机器学习的相关理论,介绍了建立在统计学习理论基础上的SVM基本原理和SVM的优缺点,并且介绍了SVM目前的发展状况和在水工结构振动预测领域中的应用。2、结合工程实例中原型梯级泵站机组和管道运行的实测数据,运用PSO算法优化SVM的核函数关键参数及惩罚因子,建立了PSO-SVM振动预测模型,并建立BP神经网络振动预测模型予以对比,来预测不同位置的结构振动状况,并用不同指标对建立的PSO-SVM和BP神经网络模型结果进行评价。预测结果表明:... 

【文章来源】：华北水利水电大学河南省

【文章页数】：76 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 课题研究背景
    1.2 水工结构振动和预测方法研究现状
    1.3 振动预测方法总结
    1.4 本文主要工作
2 支持向量机的基本理论
    2.1 统计学习基本理论
        2.1.1 机器学习
        2.1.2 VC维
        2.1.3 推广性界理论
        2.1.4 结构风险最小化原则
    2.2 分类支持向量机理论
        2.2.1 线性支持向量分类机
        2.2.2 非线性支持向量分类机
    2.3 回归支持向量机理论
        2.3.1 线性支持向量回归机
        2.3.2 非线性支持向量回归机
    2.4 支持向量机模型的建立
    2.5 SVM在水工领域中的应用
    2.6 本章小结
3 机组振动引发管道结构振动响应预测研究
    3.1 粒子群优化算法基本理论
    3.2 PSO-SVM模型
    3.3 工程实例
        3.3.1 拾振器的选型与布置
        3.3.2 机组和管道振动响应关系
        3.3.3 PSO-SVM模型的建立
        3.3.4 预测结果及对比
    3.4 本章小结
4 泄流诱发坝体结构振动趋势预测
    4.1 变分模态分解理论
        4.1.1 VMD基本原理
        4.1.2 VMD方法的仿真分析
    4.2 VMD-SVR模型
    4.3 工程实例
        4.3.1 拾振器的布置及振动数据的选取
        4.3.2 VMD分解结果
        4.3.3 VMD-SVR模型预测结果及对比
    4.4 本章小结
5 结论与展望
    5.1 结论
    5.2 工作展望
攻读学位期间参加的科研项目及发表的学术论文
致谢
参考文献



本文编号：3194676