【摘 要】
：
支持向量机的核函数选择对大坝监控模型的预测精度具有较大影响,基于支持向量机结构风险最小化理论以及小波框架理论,提出用小波核函数代替高斯径向基核函数(RBF)的方法,并采用粒子群算法对支持向量机的参数进行寻优,得到一种新的大坝变形预测模型.通过实例,将结果与采用RBF核函数的支持向量机模型以及统计回归模型做对比,结果显示采用小波核函数的支持向量机精度更高,泛化能力更强.
【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,南京210098;河海大学水利水电学院,南京210098
【出 处】
：
2016年全国大坝安全监测技术与应用学术交流会
论文部分内容阅读
支持向量机的核函数选择对大坝监控模型的预测精度具有较大影响,基于支持向量机结构风险最小化理论以及小波框架理论,提出用小波核函数代替高斯径向基核函数(RBF)的方法,并采用粒子群算法对支持向量机的参数进行寻优,得到一种新的大坝变形预测模型.通过实例,将结果与采用RBF核函数的支持向量机模型以及统计回归模型做对比,结果显示采用小波核函数的支持向量机精度更高,泛化能力更强.
其他文献
热处理工艺对提高金属材料性能的潜力，满足机械零件在加工和使用过程中对其性能的要求具有重要作用。长期以来，对零件热处理后组织性能分布进行较为准确的计算机预测一直没有得到很好解决，同时，零件淬火过程中内应力分布及变化情况极难测定，导致其结构优化设计相对滞后。基于此，采用计算机数值模拟及仿真技术，对结构钢零件热处理后组织性能的分布情况进行预测及实验验证，并且基于淬火过程中应力分布的模拟实现对淬火零件结构
用于制作铅酸蓄电池阳极板的铅合金在电池工矿下易发生晶界腐蚀开裂，这是导致电池充放电循环使用寿命不足的主要原因.有研究指出，采用晶界工程技术引入高比例特殊晶界可显著提高合金的晶界腐蚀抗力，可成倍延长电池的使用寿命，并可有效增加电池的能量密度.考虑到铅合金是中低层错能面心立方结构，其晶界工程技术是基于退火孪晶的，其特殊晶界构成中以∑3晶界为主，本文选用免维护铅酸电池阳极板用Pb-0.07Ca-1.5S
晶粒特性与行为规律的分析是多晶材料研究中的一个基本问题.由于受到各种复杂因素的作用,多晶材料组织中往往会存在少数显著有别于多晶体平均特性的特异大晶粒,严重影响到材料性能和组织的统计特性.为了对这类特异晶粒进行精细的研究,采用系列截而法对含有特异大晶粒的纯铁晶粒组织进行了三维重建,以此为基础,从三维材料科学角度分析了晶粒组织和特异大晶粒的特征.实验材料为高纯原料纯铁YT01,含铁量大于99.9％(质
对藏木大坝监测坝段温度计观测资料进行了处理与分析,对于了解大坝施工期温度场、检验大坝温控计算成果、反馈分析大坝温度参数具有一定的指导意义.本文结合导流底孔下闸蓄水前的温度计监测资料对坝体温度进行了时、空分析.综合分析认为藏木大坝温度场尚处于未稳定状态.
拱坝变形综合体现了拱坝材料力学形态、坝体结构状态及整体性,是目前能说明大坝实际状况的代表性指标.然而高拱坝的施工周期长,变形监测系统都是晚于施工安装的,有时高高程的变形监测系统是蓄水到一定高程后安装的,丢失了此前由施工影响和蓄水引起的变形值,给拱坝运行状态分析评价带来了困难.针对此问题,本文运用有限元及反分析理论,考虑库水位、自重荷载、温度荷载和时效作用,提出了拟定高拱坝变形初始值的方法,并应用于
在《水库大坝安全评价导则》的基础上用TOPSIS方法修正基础权重,得到最优常权,再使用均衡函数的变权公式建立模糊综合评价模型,评价混凝土坝的结构安全状况.考虑了多个因素对大坝结构安全的影响,以及各种影响因素的不确定性和模糊性,同时考虑了在变权过程中指标取值的不同对评价结果的影响程度.实例表明,考虑权重随评估值变化使权重的确定更加科学合理,本文提出的方法不仅克服了权重确定上专家评分的基础权重的主观性
坝基渗流特性主要由岩体风化程度和岩体结构面特性决定,而岩体结构面中的断层的强非均匀性和强各向异性,使坝基渗流的特性大为复杂化.为此,本文通过对坝基断层面几何形态的分形模拟和开度分布模拟,构造了断层面分形几何形态,并提出了基于分形理论的坝基断层面渗流特性有限元数值模拟方法,据此研究了坝基断层面渗流特性.基于分形理论的坝基断层面渗流特性的数值模拟表明:考虑分形特性的坝基断层渗流性态分析能更好的反映断层
针对传统大坝变形监控模型构建方法的不足,组合应用人工蜂群(ABC)算法与BP神经网络技术,并对其给予改进的基础上,开展了基于人工蜂群与神经网络的大坝变形监控模型建模原理、实现方法以及工程算例分析研究.通过引进自适应比例和平均欧式距离,克服标准人工蜂群算法易陷入局部最优的缺点;利用改进后的人工蜂群算法,对BP神经网络的初始权值与阈值进行寻优.算例分析表明,将改进后的人工蜂群算法与BP神经网络技术相结
在大坝监控过程中,大坝变形的实测值是一个非线性且非平稳的时间序列,由于支持向量机(SVM)适用于解决小样本、非线性问题,本文在SVM的基础上建立大坝变形监控模型,并进行改进,利用ARIMA模型在解决非平稳时间序列问题中的优势,对SVM模型的残差进行处理,并采用粒子群算法(PSO)算法优化支持向量机(SVM)中的核函数.实例分析表明优化后的组合模型预测结果可信,且精度较SVM模型有所提高.
针对基于统计的大坝安全监测预报模型中,多效应量间和多影响因子间都存在互相关性,且效应量与影响因子又呈现出复杂的非线性动力系统特征,从而导致预报模型可信度降低的问题,提出了优化方案,首先对多效应量和多影响因子采用基于主成分提取的相关性分析,实现去相关性和空间降维,并按关联性次序将变换后的正交基作为模型输入因子,建立改进的BP神经网络回归,利用人工粒子群算法搜索网络的最优参数,从而获得预报模型.经与逐