10.3969/j.issn.1000-1379.2020.11.028
基于PCA-GWO-SVM的大坝变形预测
很多大坝失事前会出现坝体变形测值异常的情况,为了确保大坝安全运行,需要建立精确的模型来进行数据分析和变形预测.针对大坝安全监测数据序列中出现小样本、短序列和序列非线性的特点,将主成分分析法(PCA)引入支持向量机(SVM)来简化因子关系,实现支持向量机模型输入的优化设计,同时应用灰狼优化算法(GWO)对支持向量机进行参数优化,并结合支持向量机的非线性拟合能力,使模型更好地体现大坝的工作机制.以某混凝土连拱坝为例,分别建立统计模型、标准SVM模型、PCA-SVM模型以及PCA-GWO-SVM模型并对预测结果进行分析,对比验证了PCA-GWO-SVM模型方法的可行性.
大坝变形监测、预测、支持向量机、主成分分析、灰狼优化算法
42
TV698.1+1(水利枢纽、水工建筑物)
国家重点研发计划项目;国家自然科学基金资助项目
2020-11-20(万方平台首次上网日期,不代表论文的发表时间)
共5页
130-134