基于PSO的SVM-ARIMA大坝安全监控模型

摘要：

大坝监控过程中,大坝变形的实测值是一个非线性且非平稳的时间序列,支持向量机(SVM)适用于解决小样本、非线性问题,在SVM算法的基础上建立了改进的大坝变形监控模型,利用差分自回归移动平均模型(ARIMA)解决非平稳时间序列问题的优势,对SVM模型的残差进行处理,并采用粒子群算法(PSO)优化支持向量机(SVM)中的核函数.实例分析表明,优化后的组合模型预测结果可靠,且精度较SVM模型有所提高.

关键词：支持向量机、粒子群算法、差分自回归移动平均模型、大坝变形、安全监控

所属期刊栏目：40

分类号：TV698.1(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51139001,51179066;高等学校博士学科点专项科研基金资助项目20130094110010

在线出版日期：2018-09-19（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：149-151,156