软件导刊
軟件導刊
연건도간
SOFT WARE GUIDE
2014年
4期
49-50
,共2页
顺流向位移%粒子群优化%支持向量回归%变形监测%参数优化
順流嚮位移%粒子群優化%支持嚮量迴歸%變形鑑測%參數優化
순류향위이%입자군우화%지지향량회귀%변형감측%삼수우화
Displacement Along Flow%Particle Swarm Optimization%Support Vector Regression%Deformation Monito-ring%Parameters Optimization
顺流向位移是坝体形变监测中的重要指标。针对神经网络、支持向量机模型存在的局限性，提出基于粒子群优化与最小二乘支持向量回归的模型对顺流向位移进行预测。结合实地坝体数据，通过与神经网络、传统支持向量机等模型进行对比实验和分析，结果表明，该方法具有误差低、计算效率高等特点。
順流嚮位移是壩體形變鑑測中的重要指標。針對神經網絡、支持嚮量機模型存在的跼限性，提齣基于粒子群優化與最小二乘支持嚮量迴歸的模型對順流嚮位移進行預測。結閤實地壩體數據，通過與神經網絡、傳統支持嚮量機等模型進行對比實驗和分析，結果錶明，該方法具有誤差低、計算效率高等特點。
순류향위이시패체형변감측중적중요지표。침대신경망락、지지향량궤모형존재적국한성，제출기우입자군우화여최소이승지지향량회귀적모형대순류향위이진행예측。결합실지패체수거，통과여신경망락、전통지지향량궤등모형진행대비실험화분석，결과표명，해방법구유오차저、계산효솔고등특점。
Displacement along the flow is important for dam deformation monitoring .To solve problems on neural network and support vector machine an approach based on particle swarm optimization and least square support vector regression is presented .With experiments of measured data and comparisons among traditional methods ,the results showed that this approach is more precise and efficient .
