长江科学院院报 ›› 2018, Vol. 35 ›› Issue (8): 46-50.DOI: 10.11988/ckyyb.20170062
钱秋培1a,1b,1c,崔伟杰2,包腾飞1a,1b,1c,李慧1a,1b,1c
QIAN Qiu-pei 1,2,3, CUI Wei-jie4, BAO Teng-fei 1,2,3, LI Hui 1,2,3
摘要: 大坝变形与水位、温度、时效等较多因素非线性相关,支持向量机(Support Vector Machine, SVM)适用于小样本、非线性、高维学习问题,在大坝安全变形监控上具有很大的优越性。阐述了支持向量机的原理,介绍了应用SVM建立混凝土坝变形监控模型的步骤及其参数优化方法。针对预测样本数目的合理取值问题,通过实例分析,研究基于SVM的混凝土坝变形监控模型的预测能力。结果表明,基于SVM的混凝土坝变形监控模型短期预测能力优于长期预测能力,且其预测能力受预测集数目的影响大于算法优化的影响。因此,合理选择预测集数目对变形监控模型有效预测尤为重要。
中图分类号: