基于PCA和CS-KELM的重力坝变形预测模型
重力坝的变形与环境量之间存在复杂的非线性关系、使变形预测模型的输入自变量具有高维性,在一定程度上影响预测模型的精度和泛化能力.因此,提出一种将主成分分析、布谷鸟搜索算法和核极限学习机网络相结合的变形预测模型.该模型通过主成分分析法对与变形相关的水位、温度、时效影响因子进行主成分信息提取,优化网络模型的变量输入,同时采用优化性能更好的布谷鸟搜索算法确定核极限学习机网络的核参数和正则化系数.利用某重力坝的实测资料,对坝体沿坝轴方向和上下游方向的变形位移进行预测,与多种模型预测结果进行对比,并采用不同量化指标进行评价.结果表明,所提模型在两个方向的变形预测中,确定性系数R2分别为0.943和0.931,均高于传统的神经网络和逐步回归模型;在不同测点的上下游方向变形预测中,预测的精度和模型的泛化能力均优于对比模型,从而验证了该模型的可行性和优势.
重力坝;变形预测;主成分分析;布谷鸟搜索算法;核极限学习机
TV698(水利枢纽、水工建筑物)
国家重点研发计划资助项目2018YFC0406902
2021-09-13(万方平台首次上网日期,不代表论文的发表时间)
共9页
10-18