基于支持向量机-小波神经网络的边坡位移时序预测模型

• 作者: 刘冲 徐力群 江婷 沈振中 谈家诚
• 来源期刊: 武汉大学学报（工学版）
• 学科: 工学
• 关键词: 支持向量机 遗传算法参数寻优 小波神经网络 位移时序预测
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 水利水电工程
• 页码范围: 174-181
• 页数: 8页
• 分类号: TV698.1
• 语种: 中文
• DOI: 10.14188/j.1671-8844.2017-02-003

摘要

针对岩体边坡位移预测难度大的问题,结合支持向量机-小波神经网络,提出了一种新的岩体边坡位移时序预测模型——支持向量机-小波神经网络预测模型.通过对实测位移值的学习,并借助遗传算法参数寻优的支持向量机对位移时间序列的宏观发展趋势进行滚动预测;在此基础上利用小波基函数变换分析序列的局部特征,通过2维情况下的序列局部走势方向的选择、实测值与支持向量机拟合值的相对误差与绝对误差等指标的分析,达到对预测值优化改进的目的.将该模型应用到某工程面板堆石坝坝肩强卸荷岩体边坡位移的时序预测中,结果表明,该模型具有可靠度和精度高的优点,可应用于岩体边坡位移预测分析.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	沈振中	河海大学水文水资源与水利工程科学国家重点实验室	162	959	15.0	23.0
2	江婷	河海大学水文水资源与水利工程科学国家重点实验室	10	14	2.0	3.0
3	刘冲	河海大学水利水电学院	8	30	3.0	5.0
4	谈家诚	河海大学水利水电学院	6	15	2.0	3.0
5	徐力群	河海大学水文水资源与水利工程科学国家重点实验室	27	83	5.0	8.0