混合核SVM模型在大坝位移预测中的应用.pdfVIP

第36卷第 4期 2010年4月 水 力 发 电 混 合 核 SVM 模 型 在 大 坝 位 移 预 测 中 的 应 用 许后磊 1,2,3，郑东健 1,2,3 (1．河海大学水文水资源与水利工程科学国家重点实验 室，江苏 南京 210098； 2．河海大学水资源高效利用与工程安全 国家工程研究ee心，江苏 南京 210098； 3．河海大学水利水电工程学院，江苏 南京 210098) 摘 要 ：针对大坝位移影响因素强、非线性特点和有效观测序列较短的情况提出了基于小生境遗传算法 (NGA)混合 核支持 向量机大坝位移预测模 型。核函数是支持 向量机 的核心部分 ，整合高斯和多项式两种核 函数各 自的优势提高 了支持向量机的学习能力和泛化能力。采用主成分分析提取主成分 ，利用小生境遗传算法优化相关参数 ，某大坝连 续观测数据 的建模分析 ，证 明了此种方法在大坝位移监测 中应用的可行性和有效性。 关键词 ：大坝；监测 ；小样本 ；支持 向量机 ；混合核函数 ApplicationofM ixedKernelSVM M odelinDam DisplacementPrediction XuHoulei，，3ZbengDongjian (1．StateKeyLaboratoryofHydrology-WaterResourcesandHydraulicEngineering，HohaiUniversity， NanjingJiangsu210098；2NationalEngineeringResearchCenterofWaterResourceEfficient UtilizationEngineeringSafety，HohaiUniversity，NamingJiangsu210098； 3．CollegeofWaterConservancyandHydropowerEngineering，HohaiUniversity，NanjingJiangsu210098) Abstract：Asalargeamountoffactorsaffectingdam displacement，thenon-linearcharacteristicsandlessmonitoringdataof dam displacement，themixedkernelsuppo~vectormachinemodelsfordam displacementpredictionwasproposedbasedon NicheGeneticAlgorithm (NGA)．TheintegrationofGaussianandpolynomialkernelfunctionsimprovedthelearningand generalizationabilityofsupportvectormachine，theprincipalcomponentwasextractedbyprincipalcomponentanalysisand relevantparameterswereoptimizedbyusingNGA．Casestudyshowsthatthisnewmethodisfeasibleandeffectiveofrdam displacementprediction． KeyW ords：dam；monitoring；smallsamples；suppo~vectormachine；mixedkernelfunction 中图分类号 ：TV698．11 文献标识码 ：A 文章编号 ：0559—9342(2010)04—0085—04 对 大坝安全 监 测 中的位 移 进 行 建模 时主要 考 虑 找 到一种更 有效 的建模 方法 来解决