基于SVM的混凝土坝变形监控模型 预测能力实例分析

• 作者: 包腾飞 崔伟杰 李慧 钱秋培
• 来源期刊: 长江科学院院报
• 学科: 工学
• 关键词: 混凝土坝 变形监控 SVM 粒子群算法 预测能力 实例分析
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 工程安全与灾害防治
• 页码范围: 46-50
• 页数: 5页
• 分类号: TV698.11
• 字数: 2867字
• 语种: 中文
• DOI: 10.11988/ckyyb.20170062

摘要

大坝变形与水位、温度、时效等较多因素非线性相关,支持向量机(Support Vector Machine,SVM)适用于小样本、非线性、高维学习问题,在大坝安全变形监控上具有很大的优越性.阐述了支持向量机的原理,介绍了应用SVM建立混凝土坝变形监控模型的步骤及其参数优化方法.针对预测样本数目的合理取值问题,通过实例分析,研究基于SVM的混凝土坝变形监控模型的预测能力.结果表明,基于SVM的混凝土坝变形监控模型短期预测能力优于长期预测能力,且其预测能力受预测集数目的影响大于算法优化的影响.因此,合理选择预测集数目对变形监控模型有效预测尤为重要.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	包腾飞	河海大学水文水资源与水利工程科学国家重点实验室	81	244	8.0	12.0
10	李慧	河海大学水文水资源与水利工程科学国家重点实验室	8	19	2.0	4.0
11	崔伟杰		10	21	2.0	4.0
12	钱秋培	河海大学水文水资源与水利工程科学国家重点实验室	3	18	2.0	3.0