支持向量机在大坝渗流监测中的应用

摘要：

支持向量机是基于统计学习理论的小样本学习方法,是一种处理高度非线性分类回归等问题的新方法,它能较好地解决小样本非线性高维数,避免了神经网络无法解决的局部极小问题.本文简要介绍了支持向量机的基本原理及其在渗流监测数据处理中的应用,论述了如何利用支持向量机建立大坝渗流统计模型和预报.通过对云龙水库渗流监测连续观测数据的计算和分析,并与RBF神经网络预测结果进行比较,证明支持向量回归机在渗流监测中比RBF神经网络预测精度更高,具有良好的泛化能力.

关键词：支持向量机、渗流监测、核函数、核参数和惩罚因子

分类号：TV698.1(水利枢纽、水工建筑物)

在线出版日期：2008-05-28（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：21-24