CAJ | 학술논문

支持向量机(SVM)的核函数类型和超参数对边坡位移时序预测的精度有重要影响.鉴于局部核函数学习能力强、泛化性能弱,而全局核函数泛化性能强、学习能力弱的矛盾,通过综合两类核函数各自优点构造了基于全局多项式核和高斯核的混合核函数,并引入粒子群算法(PSO)对最小二乘支持向量机(LSSVM)超参数进行全局寻优,提出了边坡位移时序预测的混合核函数PSO-LSSVM模型.将模型应用于锦屏一级水电站左岸岩石高边坡变形预测分析,并与传统核函数支持向量机预测结果进行对比分析.结果表明,该模型较传统方法在预测精度上有了明显提高,预测结果科学可靠,在边坡位移时序预测中具有良好的实际应用价值.
지지향량궤(SVM)적핵함수류형화초삼수대변파위이시서예측적정도유중요영향.감우국부핵함수학습능력강、범화성능약,이전국핵함수범화성능강、학습능력약적모순,통과종합량류핵함수각자우점구조료기우전국다항식핵화고사핵적혼합핵함수,병인입입자군산법(PSO)대최소이승지지향량궤(LSSVM)초삼수진행전국심우,제출료변파위이시서예측적혼합핵함수PSO-LSSVM모형.장모형응용우금병일급수전참좌안암석고변파변형예측분석,병여전통핵함수지지향량궤예측결과진행대비분석.결과표명,해모형교전통방법재예측정도상유료명현제고,예측결과과학가고,재변파위이시서예측중구유량호적실제응용개치.