基于PSO的SVM-ARIMA大坝安全监控模型

• 作者: 杨海浪 黄梦婧
• 来源期刊: 人民黄河
• 学科: 工学
• 关键词: 支持向量机 粒子群算法 差分自回归移动平均模型 大坝变形 安全监控
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 工程建设管理
• 页码范围: 149-151,156
• 页数: 4页
• 分类号: TV698.1
• 字数: 2976字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1379.2018.08.035

摘要

大坝监控过程中,大坝变形的实测值是一个非线性且非平稳的时间序列,支持向量机(SVM)适用于解决小样本、非线性问题,在SVM算法的基础上建立了改进的大坝变形监控模型,利用差分自回归移动平均模型(ARIMA)解决非平稳时间序列问题的优势,对SVM模型的残差进行处理,并采用粒子群算法(PSO)优化支持向量机(SVM)中的核函数.实例分析表明,优化后的组合模型预测结果可靠,且精度较SVM模型有所提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄梦婧	河海大学水利水电学院	2	3	1.0	1.0
10	杨海浪		3	3	1.0	1.0