基于改进PSO算法和SVM的大坝监控模型研究

• 作者: 刘彪 刘懿 杨晓晓 王泉 王超
• 来源期刊: 人民长江
• 学科: 工学
• 关键词: 变形监测 支持向量机 粒子群算法 早熟收敛
• 年，卷（期）: 2015,（18）
• 所属期刊栏目: 运行管理
• 页码范围: 97-100,104
• 页数: 5页
• 分类号: TV698.1
• 字数: 4242字
• 语种: 中文
• DOI: 10.16232/j.cnki.1001-4179.2015.18.025

摘要

针对传统大坝安全变形预警监控模型对缺失数据敏感、精度易受其它因素影响的特点,提出了一种利用粒子群算法与支持向量机相结合的建模方法. 即通过粒子群算法对支持向量机模型的参数进行寻优,同时改进了惯性权重因子与学习因子,并引入参数收敛程度,有效地解决了粒子群算法存在的早熟收敛问题,提高了全局收敛能力. 阐述了模型建立的算法步骤,并利用某水电站观测数据进行了验证. 结果表明,相对于传统优化算法,改进的PSO-SVM模型在大坝安全变形监控上具有很大的优越性,而且也扩展了粒子群算法的应用范围.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王超	河海大学水文水资源与水利工程科学国家重点实验室	186	4104	39.0	56.0
2	刘懿	河海大学水文水资源学院	7	57	4.0	7.0
6	王泉	河海大学水利水电学院	3	7	2.0	2.0
10	杨晓晓	河海大学水利水电学院	1	3	1.0	1.0
11	刘彪	河海大学水利水电学院	1	3	1.0	1.0