基于PSO-SVM模型的拱坝坝变形预测研究

摘要：

拱坝已成为大型水利枢纽的主要坝型之一,大坝变形预测是大坝安全监控的重要内容,预测分析的难点之一在于变形监测数据往往具有复杂的非线性特点.支持向量机(SVM)具有良好的泛化能力,可有效地解决小样本、非线性、高维数等问题,因此可将其广泛应用于拱坝变形观测中.由于算法的成功与否很大程度上取决于其参数的选取,本文充分利用粒子群算法快速全局优化的特点,采用粒子群算法来优化支持向量机的模型参数,建立了基于PSO-SVM的大坝变形预测模型.将该模型应用于某拱坝坝基变形预测中,与传统的多元回归模型预测结果进行对比.结果表明,PSO-SVM模型用于拱坝变形预测是可行的.

关键词：拱坝、变形预测、粒子群优化算法、支持向量机

所属期刊栏目：35

分类号：TV698.1+1(水利枢纽、水工建筑物)

资助基金：国家自然科学基金重点项目51139001,51279052,51179066,51079046;水文水资源与水利工程科学国家重点实验室专项基金2010585212

在线出版日期：2013-04-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：30-33