水力发电
水力髮電
수력발전
WATER POWER
2015年
4期
79-81,99
,共4页
蒋明%郑东健%张凯%周子东
蔣明%鄭東健%張凱%週子東
장명%정동건%장개%주자동
大坝变形%参数优化%支持向量机%萤火虫算法
大壩變形%參數優化%支持嚮量機%螢火蟲算法
대패변형%삼수우화%지지향량궤%형화충산법
dam displacement%parameter optimization%Support Vector Machine%Firefly Algorithm
根据已有的监测数据预测大坝未来的变形情况,对掌握大坝运行状态,保障大坝安全运行具有重要意义.传统的变形统计模型一般是线性模型,与大坝变形的非线性特性不符合,统计模型误差较大.支持向量机(SVM)是一种高效的非线性建模方法,只是其参数选择对模型性能影响较大.应用萤火虫算法(FA)对SVM的参数进行寻优,建立了萤火虫-支持向量机模型(FA-SVM),并将其应用于某大坝变形测点的位移预测.实例分析表明,FA-SVM模型效果良好.
根據已有的鑑測數據預測大壩未來的變形情況,對掌握大壩運行狀態,保障大壩安全運行具有重要意義.傳統的變形統計模型一般是線性模型,與大壩變形的非線性特性不符閤,統計模型誤差較大.支持嚮量機(SVM)是一種高效的非線性建模方法,隻是其參數選擇對模型性能影響較大.應用螢火蟲算法(FA)對SVM的參數進行尋優,建立瞭螢火蟲-支持嚮量機模型(FA-SVM),併將其應用于某大壩變形測點的位移預測.實例分析錶明,FA-SVM模型效果良好.
근거이유적감측수거예측대패미래적변형정황,대장악대패운행상태,보장대패안전운행구유중요의의.전통적변형통계모형일반시선성모형,여대패변형적비선성특성불부합,통계모형오차교대.지지향량궤(SVM)시일충고효적비선성건모방법,지시기삼수선택대모형성능영향교대.응용형화충산법(FA)대SVM적삼수진행심우,건립료형화충-지지향량궤모형(FA-SVM),병장기응용우모대패변형측점적위이예측.실례분석표명,FA-SVM모형효과량호.
