基于SVM的混凝土坝变形监控模型预测能力实例分析

作者：钱秋培; 崔伟杰; 包腾飞^*; 李慧

来源：长江科学院院报, 2018, 35(08): 46-50.

• 混凝土坝
• 变形监控
• SVM
• 粒子群算法
• 预测能力
• 实例分析

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。

• 单位
  河海大学; 水文水资源与水利工程科学国家重点实验室; 雅砻江流域水电开发有限公司