基于FIG和GWO-SVM的灌浆功率时序预测
发布时间：2021-08-05 00:34
为更好地预测灌浆功率时序,建立基于模糊信息粒化（FIG）和灰狼优化支持向量机（GWO-SVM）的灌浆功率时序预测模型。首先,引入信息粒计算方法,将原始详尽的时间序列数值点分解为一系列信息粒,以减少模型的数据输入总量;其次,基于模糊集理论,采用模糊集算子对每个信息粒进行模糊计算,使得到的模糊信息粒可以合理地表示原始数值点集;最后,以支持向量机作为预测工具,并采用灰狼优化算法进行参数寻优,对产生的模糊信息粒进行快速准确的预测。结合实际工程,应用该预测模型对灌浆功率的波动范围和变化趋势进行预测研究,经过性能评价和对比分析,验证了模型的有效性和优越性。
【文章来源】：河海大学学报(自然科学版). 2020,48(05)北大核心CSCD
【文章页数】：7 页
【部分图文】：
研究框架
灌浆规范[19]明确规定“灌浆过程中应保持灌浆压力和注入率相适应”,本质上是要求二者的乘积即灌浆功率近似保持为一个常数。本文选取灌浆功率进行时序预测研究,进而反馈指导工程实践。首先将灌浆功率创新性地引入灌浆实时监控系统,在采集分析灌浆孔段的流量和压力的同时,对灌浆功率进行计算分析,灌浆流量、灌浆压力和灌浆功率曲线如图2所示,图中灌浆数据每隔5 s采集和计算一次,共采集了915条数据。2.3.2 模型参数确定
结合某水电站灌浆工程,说明基于FIG和GWO-SVM的时序预测模型在灌浆工程中的具体应用。表1 模型的预测性能指标结果Table 1 Predictive performance indicator results of model 分量 M MAE MAPE/% Up 6.789 8.16×10-4 0.01 R 6.678 2.89×10-3 0.04 Low 6.507 5.51×10-4 0.01
本文编号：3322705
【文章来源】：河海大学学报(自然科学版). 2020,48(05)北大核心CSCD
【文章页数】：7 页
【部分图文】：
研究框架
灌浆规范[19]明确规定“灌浆过程中应保持灌浆压力和注入率相适应”,本质上是要求二者的乘积即灌浆功率近似保持为一个常数。本文选取灌浆功率进行时序预测研究,进而反馈指导工程实践。首先将灌浆功率创新性地引入灌浆实时监控系统,在采集分析灌浆孔段的流量和压力的同时,对灌浆功率进行计算分析,灌浆流量、灌浆压力和灌浆功率曲线如图2所示,图中灌浆数据每隔5 s采集和计算一次,共采集了915条数据。2.3.2 模型参数确定
结合某水电站灌浆工程,说明基于FIG和GWO-SVM的时序预测模型在灌浆工程中的具体应用。表1 模型的预测性能指标结果Table 1 Predictive performance indicator results of model 分量 M MAE MAPE/% Up 6.789 8.16×10-4 0.01 R 6.678 2.89×10-3 0.04 Low 6.507 5.51×10-4 0.01
本文编号：3322705
本文链接：https://www.wllwen.com/kejilunwen/shuiwenshuili/3322705.html
