基于PCA-GWO-SVM的大坝变形预测

• 作者: 王颖慧 苏怀智
• 来源期刊: 人民黄河
• 学科: 工学
• 关键词: 大坝变形监测 预测 支持向量机 主成分分析 灰狼优化算法
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 工程建设管理
• 页码范围: 130-134
• 页数: 5页
• 分类号: TV698.1+1
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1379.2020.11.028

摘要

很多大坝失事前会出现坝体变形测值异常的情况,为了确保大坝安全运行,需要建立精确的模型来进行数据分析和变形预测.针对大坝安全监测数据序列中出现小样本、短序列和序列非线性的特点,将主成分分析法(PCA)引入支持向量机(SVM)来简化因子关系,实现支持向量机模型输入的优化设计,同时应用灰狼优化算法(GWO)对支持向量机进行参数优化,并结合支持向量机的非线性拟合能力,使模型更好地体现大坝的工作机制.以某混凝土连拱坝为例,分别建立统计模型、标准SVM模型、PCA-SVM模型以及PCA-GWO-SVM模型并对预测结果进行分析,对比验证了PCA-GWO-SVM模型方法的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	苏怀智		108	1113	17.0	28.0
2	王颖慧		2	1	1.0	1.0