基于改进PSO算法和SVM的大坝监控模型研究

摘要：

针对传统大坝安全变形预警监控模型对缺失数据敏感、精度易受其它因素影响的特点,提出了一种利用粒子群算法与支持向量机相结合的建模方法. 即通过粒子群算法对支持向量机模型的参数进行寻优,同时改进了惯性权重因子与学习因子,并引入参数收敛程度,有效地解决了粒子群算法存在的早熟收敛问题,提高了全局收敛能力. 阐述了模型建立的算法步骤,并利用某水电站观测数据进行了验证. 结果表明,相对于传统优化算法,改进的PSO-SVM模型在大坝安全变形监控上具有很大的优越性,而且也扩展了粒子群算法的应用范围.

关键词：变形监测、支持向量机、粒子群算法、早熟收敛

所属期刊栏目：46

分类号：TV698.1(水利枢纽、水工建筑物)

在线出版日期：2015-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：97-100,104