论文部分内容阅读
拱坝已成为大型水利枢纽的主要坝型之一，大坝变形预测是大坝安全监控的重要内容，预测分析的难点之一在于变形监测数据往往具有复杂的非线性特点．支持向量机（SVM）具有良好的泛化能力，可有效地解决小样本、非线性、高维数等问题，因此可将其广泛应用于拱坝变形观测中．由于算法的成功与否很大程度上取决于其参数的选取，本文充分利用粒子群算法快速全局优化的特点，采用粒子群算法来优化支持向量机的模型参数，建立了基于PSO—SVM的大坝变形预测模型．将该模型应用于某拱坝坝基变形预测中，与传统的多元回归模型预测结果进行对比．结果表