基于改进PSO-SVM的噪声稳健建筑物变形监测方法

• 作者: 张建奇
• 来源期刊: 北京测绘
• 关键词: 变形监测 噪声稳健 支持向量机 粒子群算法
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 学术探讨
• 页码范围: 166-171
• 页数: 6页
• 分类号: P258
• 语种: 中文
• DOI: 10.19580/j.cnki.1007-3000.2021.02.008

摘要

对高层、超高层建筑物进行实时,高精度的变形监测对提前预防安全隐患,保证人民生命财产安全具有重要意义.建筑物变形作为一种典型的随机性和微弱性过程,噪声等误差的存在会影响从中提取有用的变形信息.针对该问题,提出一种改进粒子群(ParticleSwarmOptimization,PSO)算法优化支持向量机(SupportVectorMachine,SVM)的噪声稳健建筑物变形监测方法,利用改进PSO算法的全局搜索能力对SVM的核参数进行优化,提升预测精度的同时增强算法的噪声稳健性.基于实测数据的试验结果表明,相对于传统交叉验证SVM和小波方法,所提方法可以获得更高的变形预测精度,并且在低信噪比条件下优势更加明显.