10.16232/j.cnki.1001-4179.2015.18.025
基于改进PSO算法和SVM的大坝监控模型研究
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.
变形监测、支持向量机、粒子群算法、早熟收敛
46
TV698.1(水利枢纽、水工建筑物)
2015-10-30(万方平台首次上网日期,不代表论文的发表时间)
共5页
97-100,104