基于逐步回归和GDCS-SVM的大坝变形预测组合模型

• 作者: 徐镇凯 温勇兵 蒋水华 魏博文
• 来源期刊: 水电能源科学
• 学科: 工学
• 关键词: 大坝 小波包分解 逐步回归模型 GDCS-SVM模型 预测模型
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 大坝安全与监测
• 页码范围: 92-94,91
• 页数: 4页
• 分类号: TV698.1+1
• 语种: 中文

摘要

现行大坝安全监控技术不能按实测信号中不同频段信号特征分别选取不同监测模型进行处理,影响了大坝变形预测精度.为此,在利用小波包分解获取实测信号中的系统信号和随机信号的基础上,提出了一种基于逐步回归和GDCS-SVM的大坝变形预测组合模型,并进行了验证.工程实例表明,GDCS-SVM预测效果优于CS-SVM,而所建组合模型预测精度高于单一监测模型,具有较强的泛化能力和较好的全局预测精度,可用于大坝变形预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐镇凯	南昌大学建筑工程学院	51	329	9.0	16.0
2	魏博文	南昌大学建筑工程学院	55	175	7.0	10.0
3	蒋水华	南昌大学建筑工程学院	45	152	7.0	10.0
4	温勇兵	南昌大学建筑工程学院	9	43	4.0	6.0