基于改进PSO-SVM-MC模型的大坝变形监测模型

• 作 者: 杜传阳 郑东健 张毅 孔庆梅 张秀山 李媛
• 机 构: 河海大学水文水资源与水利工程科学国家重点实验室,黄河上游水电开发有限责任公司,青海黄河水电公司大坝管理中心,黄河上游水电开发有限责任公司李家峡发电分公司,
• 出 处: 水电能源科学
• 发表日期: 2015年02期
• 关键词: 大坝变形监测模型 改进的粒子群优化算法 支持向量机 马尔科夫链

分析与处理大坝变形监测资料在大坝安全监测中意义重大。支持向量机(SVM)在大坝安全监测建模中应用广泛,但采用标准粒子群(PSO)算法对SVM参数寻优过程中,易陷入局部最优,且残差也会影响模型的预测精度。为提高大坝监测模型的泛化能力和预测精度,采用改进后的自适应位置PSO(APPSO)算法,对SVM模型的参数进行寻优,并利用马尔科夫链(MC)模型修正PSO-SVM模型的残差。工程实例分析表明,PSO-SVM-MC模型可提高模型预测的泛化能力和精度。