多元宇宙算法在大坝水平位移预测中的应用

作者：张炎; 刘立龙; 蒙金龙; 梁月吉; 徐勇

来源：测绘科学, 2022, 47(11): 48-55.

DOI：10.16251/j.cnki.1009-2307.2022.11.007

• 主成分分析
• 多元宇宙算法
• 神经网络
• 大坝水平位移
• 参数优化

针对大坝变形预测的影响因素过多且无法精准预测的问题，将主成分分析方法、多元宇宙算法、BP神经网络协同应用于大坝水平位移预测中，构建出PCA-MVO-BP预测模型。通过PCA来降低原始输入参数的维度，消除变量间相关性，并结合多元宇宙算法的快速收敛、泛化能力强的特性，解决BP神经网络预测模型中的权值和阈值的优化问题。以丰满大坝监测数据为测试样本，将组合模型与常规预测模型进行对比。结果表明：相较于常规LSSVM、RF、SVM算法，组合预测模型的平均误差、标准误差、平均绝对百分比误差值均较小，其预测精度较于单一BP神经网络提高了28.85%。表明了PCA-MVO-BP模型在大坝水平位移预测中的现实性。

• 单位
  桂林理工大学; 广西空间信息与测绘重点实验室