三峡大学学报（自然科学版）
三峽大學學報（自然科學版）
삼협대학학보（자연과학판）
JOURNAL OF CHINA THREE GORGES UNIVERSITY(NATURAL SCIENCES)
2015年
2期
10-14
,共5页
大坝变形监测模型%支持向量机%改进的粒子群优化算法%马尔科夫链
大壩變形鑑測模型%支持嚮量機%改進的粒子群優化算法%馬爾科伕鏈
대패변형감측모형%지지향량궤%개진적입자군우화산법%마이과부련
monitoring model for dam deformation%support vector machine(SVM)%improved method of PSO%Markov chain
分析与处理大坝变形监测资料对于大坝安全运行意义重大.支持向量机(SVM)能够有效解决高维数的非线性问题,并且具有良好的泛化能力.以SVM理论为基础,建立大坝变形监测模型,并在此基础上研究其改进方法.改进思路为充分利用马尔科夫链适用于原始监测数据波动大的优势,对其残差进行处理;同时考虑到核参数和惩罚因子的选择对SVM模型有很大影响,采用改进粒子群算法对其参数进行寻优.通过实例分析比较各种改进方法,结果表明,提出的对SVM模型的改进方法可以提高预测的泛化能力及精度.
分析與處理大壩變形鑑測資料對于大壩安全運行意義重大.支持嚮量機(SVM)能夠有效解決高維數的非線性問題,併且具有良好的汎化能力.以SVM理論為基礎,建立大壩變形鑑測模型,併在此基礎上研究其改進方法.改進思路為充分利用馬爾科伕鏈適用于原始鑑測數據波動大的優勢,對其殘差進行處理;同時攷慮到覈參數和懲罰因子的選擇對SVM模型有很大影響,採用改進粒子群算法對其參數進行尋優.通過實例分析比較各種改進方法,結果錶明,提齣的對SVM模型的改進方法可以提高預測的汎化能力及精度.
분석여처리대패변형감측자료대우대패안전운행의의중대.지지향량궤(SVM)능구유효해결고유수적비선성문제,병차구유량호적범화능력.이SVM이론위기출,건립대패변형감측모형,병재차기출상연구기개진방법.개진사로위충분이용마이과부련괄용우원시감측수거파동대적우세,대기잔차진행처리;동시고필도핵삼수화징벌인자적선택대SVM모형유흔대영향,채용개진입자군산법대기삼수진행심우.통과실례분석비교각충개진방법,결과표명,제출적대SVM모형적개진방법가이제고예측적범화능력급정도.
