基于PSO-SVM模型的拱坝坝变形预测研究

• 作者: 刘何稚 刘敬洋 张凤山 朱凯 陈晨
• 来源期刊: 三峡大学学报（自然科学版）
• 学科: 工学
• 关键词: 拱坝 变形预测 粒子群优化算法 支持向量机
• 年，卷（期）: 2013,（1）
• 所属期刊栏目: 水电论坛
• 页码范围: 30-33
• 页数: 4页
• 分类号: TV698.1+1
• 字数: 3733字
• 语种: 中文

摘要

拱坝已成为大型水利枢纽的主要坝型之一,大坝变形预测是大坝安全监控的重要内容,预测分析的难点之一在于变形监测数据往往具有复杂的非线性特点.支持向量机(SVM)具有良好的泛化能力,可有效地解决小样本、非线性、高维数等问题,因此可将其广泛应用于拱坝变形观测中.由于算法的成功与否很大程度上取决于其参数的选取,本文充分利用粒子群算法快速全局优化的特点,采用粒子群算法来优化支持向量机的模型参数,建立了基于PSO-SVM的大坝变形预测模型.将该模型应用于某拱坝坝基变形预测中,与传统的多元回归模型预测结果进行对比.结果表明,PSO-SVM模型用于拱坝变形预测是可行的.