改进的PSO-SVM模型在大坝变形预测中的应用

• 作者: 徐朗 蔡德所
• 来源期刊: 中国农村水利水电
• 学科: 工学
• 关键词: 大坝安全监测 支持向量机 改进的粒子群算法 面板挠度预测模型
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 水工建筑
• 页码范围: 120-123,128
• 页数: 5页
• 分类号: TV698.1
• 字数: 4712字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-2284.2018.03.026

摘要

支持向量机(SVM)由于理论基础完善,在处理高维度非线性问题中,表现出了许多特有的优势.因此,支持向量机模型在处理大坝变形预测问题时具有明显的优越性,且常采用粒子群(PSO)算法对SVM模型的惩罚参数C和核函数σ进行寻优,但是标准的PSO算法存在早熟收敛以及易于陷入局部极小值等缺陷.引入柯西分布函数和密度函数,根据函数变化的性质对标准PSO算法中粒子位置和速度的更新公式进行改进,有效提升了算法的寻优性能.运用改进后的PSO-SVM模型对水布垭面板堆石坝的面板挠度变形进行预测分析,并与SVM模型、标准PSO-SVM模型的预测结果进行对比,结果显示,改进的PSO-SVM模型的拟合效果和预测精度都更加优秀,为进行大坝变形预测工作提供了一种性能优良,精度较高的预测模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡德所	三峡大学水利与环境学院	82	794	15.0	24.0
2	徐朗	三峡大学水利与环境学院	4	16	3.0	4.0