支持向量机模型在电站闸坝沉降变形预测中的应用.pdf

第 o4期 (总第 419期) 吉 林 水 利 2017年04月 [文章编号]1009—2846(2017)04—0036—04 支持向量机模型在电站闸坝 沉降变形预测中的应用 荣维志 ．孙 健 (辽宁天阳工程技术咨询服务有限公司，辽宁 沈阳 110000) [摘要]本文结合支持 向量机模型，建立多元 自回归方程对辽宁东部某电站闸坝沉降变形进行预测 ，并结合 闸 坝沉降变形监测点监测 的沉降数据对模型进行验证 。结果表 明：支持 向量机模型可用于电站 闸坝沉降变形预 测，模 型预测的沉降值和监测点沉降监测值年尺度和月尺度的相对误差均在 2O％以内．预测沉 降值和监测沉 降 值之 间的绝对误差小于 1．5ram。且支持 向量机模 型可准确预测 闸坝沉降的变化趋势。研 究成果对于闸坝除险加 固中沉 降预测提供较好 的方法参考。 [关键词】支持向量机模型；多元 自回归方程；闸坝沉降变形预测；模型验证；适用性分析 [中图分类号]Tv66：1’v64 [文献标识码]B 工程实例，对闸坝沉降变形进行预测 ，并结合沉降 监测数据分析模型的适用性 。研究成果将为其他 闸坝除险加固方案设计提供参考。 对闸坝沉降变形的准确预测对于闸坝除险加 固方案设计的合理性至关重要。当前，国内有许多 2 支持 向量机模型原理 学者展开闸坝沉降变形的预测，并取得一定的研 究成果[1-6]。在这些成果中．以人工神经网络模型为 支持向量机模型采用统计学方法 ，构建基于 代表 的一些智能模型在水库大坝沉降变形监测 中 统计变量的训练集合函数 ，集合函数 D的表达式 得到较为广泛的应用 ．人工神经 网络模型可较好 为： 解决传统系统性预测模型难 以解决的难点问题 。 ，a)=wTtp()+6 (1) 但是人工神经 网络模型缺乏较为完善的理论模型 在方程 (1)中，为模型训练变量 ，()为模型 基础 ，模型变量拓扑结构和参数初值需要人工经 的非线性映射 函数 ； 为变量 的权重系数集合 ；a 验进行设定。存在一定的局限性。支持向量机模型 和 b为模型的控制参数。 具有较为完善的统计理论基础 ，模型采用最优化 支持向量机模型采用风险最小化原则进行 目 方式对模型的参数进行 目标优选 ，并引入核函数 标函数优化 ．其 目标 函数优化方程为 ： 解决小样本和非线性样本的问题 。近些年来 ，支持 R()：min[∞+c∑(i)] (2) 向量机模型在水资源以及大坝安全监测评估中得 到具体应用 。应用效果总体好于传统 的人工神经 l xi)≤啮 网络模型和统计学模型17一lo]。但是在支持 向量机模 s．t．I ) ≤ 啮● (3) 型在闸坝变形沉降预测的应用研究还较少。目前， I · 辽宁省正开展 闸坝除险加固工程 ，在工程设计中 {毒，10 需要对闸坝变形沉降进行较为准确的趋势预测， 在方程 (3)中：C表示为支持 向量机模型的惩 为此本文引入支持向量机模型，以