基于GAMPSO-SVM的大坝变形监控模型

• 作者: 包腾飞 卢远富 孙鹏明 李涧鸣 高瑾瑾
• 来源期刊: 三峡大学学报（自然科学版）
• 学科: 工学
• 关键词: 大坝安全 变形预测 粒子群算法 支持向量机 高斯扰动
• 年，卷（期）: 2015,（6）
• 所属期刊栏目: 土木水电论坛
• 页码范围: 42-46
• 页数: 5页
• 分类号: TV698.1
• 字数: 3789字
• 语种: 中文
• DOI: 10.13393/j.cnki.issn.1672-948X.2015.06.009

摘要

建立合理的安全监控模型对实测资料进行实时分析和处理对大坝的安全运行有着重要意义.近年来,支持向量机(SVM)在建立监控模型中得到了广泛应用.但参数的选取对SVM模型的精度有相当大的影响.为了提高参数选择的精度,在标准粒子群算法(PSO)的基础之上,提出了一种加入高斯扰动项的变异粒子群优化算法(GAMPSO),对支持向量机的参数进行寻优,建立了基于GAMPSO-SVM的大坝变形监控模型,并进行工程实例验证.结果表明,该模型能有效避免陷入局部最优,具有更好的预测精度和泛化能力.