基于相空间重构的大坝服役性态小波支持向量机预测模型

发布时间：2017-09-13 13:07

  本文关键词：基于相空间重构的大坝服役性态小波支持向量机预测模型

  更多相关文章： 大坝安全 预测模型 相空间重构 小波分析 支持向量机

【摘要】：通过支持向量机与相空间重构、小波分析、粒子群算法等的组合应用,充分考虑大坝原型监测数据特征,开展了大坝变形性态预测模型研究。为提升模型的抗噪能性,首先利用小波分析工具对监测数据序列进行时频分解,对分解所得的高频子序列实施阈值去噪处理;进而在借助混沌相空间重构技术,计算各子序列延迟时间与嵌入维数的基础上,重构各子序列的相空间。依据去噪和重构后的变形子序列,建立大坝变形性态支持向量机预测模型。考虑到支持向量机惩罚因子与核函数参数对模型预测精度影响显著的特点,引入粒子群算法,并通过支持向量机的参数寻优,进一步提高了模型的预测精度。工程实例分析表明,相空间重构的大坝变形性态小波支持向量机预测模型具有较强的抗噪和泛化能力,且能够更好地辨识蕴含于大坝原型监测数据中的时频非线性特征,更利于大坝变形性态的精准预测。
【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】： 大坝安全 预测模型 相空间重构 小波分析 支持向量机
【基金】：国家自然科学基金(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】：TV698.1
【正文快照】： 1研究背景大坝监测设施所获得的监测数据序列反映了坝体在外荷载、环境等作用下的动态演变过程,对大坝监测数据序列进行处理,预测和分析大坝的服役性态是大坝安全监控的重要内容[1]。目前常用于非线性时间序列预测的模型有ARMA模型、支持向量机回归模型(SVM)以及BP神经网络模

【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：843875