利用PCA-SVM的大坝变形预测研究

• 作者: 吕开云 鲁铁定
• 来源期刊: 测绘科学
• 学科: 地球科学
• 关键词: 主成分分析 支持向量机 变形预测
• 年，卷（期）: 2011,（1）
• 页码范围: 73-74
• 页数: 2页
• 分类号: P258
• 语种: 中文

摘要

主成分分析(PCA)能够有效地提取数据的特征信息,消除变量间的共线性,而将基于统计学习理论的支持向量机(SVM)用于数据建模具有显著的优点.本文将主成分分析应用到大坝变形影响因子的优化中,解决了由影响因子内部相关性而引入大量因子的问题,降低了输入维数,简化了输入结构.将简化后的数据作为SVM的输入因子,减少了SVM学习的时间,提高了拟合效率.试验结果表明该方法具有较高的预测精度和较强的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	鲁铁定	东华理工大学测绘工程学院	113	1082	16.0	28.0
2	吕开云		26	157	7.0	12.0