基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
大坝变形的实测值序列是一个非线性、非平稳的时间序列,支持向量机引入核函数后能有效解决非线性问题,因此可用支持向量机对大坝变形进行预测。为了提高预测精度,进一步对残差序列进行分析,通过ARIMA模型对残差序列进行预测,建立了SVM-ARIMA组合模型。将大坝变形时间序列分为趋势项和误差项,分别用SVM和ARIMA模型进行预测,综合两项结果得到模型的预测值。结合实测资料对模型进行检验,结果表明组合模型精度较高。
推荐文章
基于PSO的SVM-ARIMA大坝安全监控模型
支持向量机
粒子群算法
差分自回归移动平均模型
大坝变形
安全监控
基于EMD-RVM-Arima的大坝变形预测模型及其应用
大坝变形
预测精度
Arima
EMD分解法
RVM模型
基于EEMD-PCA-ARIMA模型的大坝变形预测
大坝变形
变形预测
集合经验模态分解
主成分分析
自回归移动平均模型
基于EMD-GAELM-ARIMA算法的大坝变形预测
大坝变形预测模型
经验模态分解
遗传算法
极限学习机
ARIMA
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于 SVM-ARIMA的大坝变形预测模型
来源期刊 人民黄河 学科 工学
关键词 大坝变形 预测模型 支持向量机 ARIMA
年,卷(期) 2014,(5) 所属期刊栏目 水利水电工程
研究方向 页码范围 99-101
页数 3页 分类号 TV698.1
字数 2994字 语种 中文
DOI 10.3969/j.issn.1000-1379.2014.05.031
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (8)
共引文献  (24)
参考文献  (6)
节点文献
引证文献  (9)
同被引文献  (20)
二级引证文献  (19)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2015(3)
  • 引证文献(3)
  • 二级引证文献(0)
2017(7)
  • 引证文献(2)
  • 二级引证文献(5)
2018(6)
  • 引证文献(3)
  • 二级引证文献(3)
2019(6)
  • 引证文献(1)
  • 二级引证文献(5)
2020(6)
  • 引证文献(0)
  • 二级引证文献(6)
研究主题发展历程
节点文献
大坝变形
预测模型
支持向量机
ARIMA
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
人民黄河
月刊
1000-1379
41-1128/TV
大16开
郑州市金水路11号《人民黄河》杂志社
1949
chi
出版文献量(篇)
10081
总下载数(次)
8
总被引数(次)
43330
论文1v1指导