本文關(guān)鍵詞： 變形預(yù)測 小波去噪 灰色模型 最小二乘支持向量機(jī) 粒子群算法　出處：《測繪科學(xué)》2017年10期 　論文類型：期刊論文

【摘要】：針對變形監(jiān)測數(shù)據(jù)的隨機(jī)性和非平穩(wěn)性,以及單一預(yù)測模型的不足,該文提出了基于小波去噪的灰色最小二乘支持向量機(jī)變形預(yù)測模型。采用小波去噪對原始數(shù)據(jù)進(jìn)行降噪處理,減弱數(shù)據(jù)隨機(jī)擾動(dòng)的影響,建立灰色最小二乘支持向量機(jī)模型,并采用粒子群算法尋找最優(yōu)參數(shù)。通過大壩位移監(jiān)測數(shù)據(jù)實(shí)例對模型進(jìn)行驗(yàn)證,并與灰色模型、最小二乘支持向量機(jī)以及灰色最小二乘支持向量機(jī)進(jìn)行對比分析。實(shí)驗(yàn)結(jié)果證明,該模型預(yù)測精度更高、穩(wěn)定性更強(qiáng)。
[Abstract]:In view of the randomness and non-stationarity of deformation monitoring data, as well as the shortcomings of single prediction model, This paper presents a grey least squares support vector machine (LS-SVM) deformation prediction model based on wavelet denoising. Wavelet denoising is used to reduce the noise of the original data, and the influence of random disturbance of the data is reduced, and the grey least-squares support vector machine model is established. The particle swarm optimization algorithm is used to find the optimal parameters. The model is verified by the dam displacement monitoring data and compared with the grey model. The experimental results show that the prediction accuracy and stability of the model are higher than those of grey least squares support vector machine.
【作者單位】： 遼寧工程技術(shù)大學(xué)測繪與地理科學(xué)學(xué)院;遼寧工程技術(shù)大學(xué)外國語學(xué)院;
【基金】：國家自然科學(xué)基金項(xiàng)目(50604009) 遼寧省“百千萬人才工程”人選資助項(xiàng)目(2010921099)
【分類號(hào)】：TP18;TV698.11

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 盧敏;張展羽;馮寶平;賈仁輔;;基于支持向量機(jī)的區(qū)域水安全預(yù)警模型及應(yīng)用[J];計(jì)算機(jī)工程;2006年15期

2 任永泰;李麗;;基于綜合模擬法與支持向量機(jī)的水資源預(yù)警分析[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2012年02期

3 張靈;翁毅;陳曉宏;;基于支持向量機(jī)的防洪脆弱性評價(jià)模型研究[J];人民長江;2009年24期

4 盧敏,張展羽;基于支持向量機(jī)的水資源可持續(xù)利用評價(jià)[J];水電能源科學(xué);2005年05期

5 路亮;張愛軍;;最小二乘支持向量機(jī)模型在大壩監(jiān)測中的應(yīng)用[J];人民黃河;2013年11期

6 牛海軍;蔡春;;水資源短缺風(fēng)險(xiǎn)的支持向量機(jī)應(yīng)用研究[J];遼寧科技學(xué)院學(xué)報(bào);2013年04期

7 倪遠(yuǎn)臣;;基于支持向量機(jī)的東港市降水量預(yù)測模型研究[J];陜西水利;2014年02期

8 孫傳文;鐘平安;萬新宇;王玉華;;考慮季節(jié)因子的支持向量機(jī)徑流預(yù)測模型[J];中國農(nóng)村水利水電;2014年04期

9 李波;徐寶松;武金坤;胡江;徐光磊;;基于最小二乘支持向量機(jī)的大壩力學(xué)參數(shù)反演[J];巖土工程學(xué)報(bào);2008年11期

10 衛(wèi)太祥;馬光文;黃煒斌;;基于懲罰加權(quán)支持向量機(jī)回歸的徑流預(yù)測模型[J];水力發(fā)電學(xué)報(bào);2012年06期

相關(guān)會(huì)議論文 前2條

1 于國榮;夏自強(qiáng);;支持向量機(jī)的混沌序列預(yù)測模型及在徑流中應(yīng)用[A];2007重大水利水電科技前沿院士論壇暨首屆中國水利博士論壇論文集[C];2007年

2 梁雪春;龔艷冰;;基于支持向量機(jī)的水資源可再生能力綜合評價(jià)方法[A];江蘇省系統(tǒng)工程學(xué)會(huì)第十一屆學(xué)術(shù)年會(huì)論文集[C];2009年

相關(guān)博士學(xué)位論文 前1條

1 周葉;基于新異類檢測和支持向量機(jī)的水電機(jī)組診斷技術(shù)研究[D];中國水利水電科學(xué)研究院;2015年

相關(guān)碩士學(xué)位論文 前6條

1 王學(xué)明;基于支持向量機(jī)方法的工程圍巖變形預(yù)測研究[D];東北大學(xué);2009年

2 姜仁輝;設(shè)計(jì)與實(shí)現(xiàn)基于支持向量機(jī)的水電故障分類器[D];吉林大學(xué);2008年

3 韓敘東;基于支持向量機(jī)的水電故障分類器的設(shè)計(jì)與實(shí)現(xiàn)[D];東北大學(xué);2008年

4 劉子介;基于事例推理和支持向量機(jī)理論的水電廠事故處理系統(tǒng)[D];西安理工大學(xué);2006年

5 崔慶;最小二乘支持向量機(jī)模型的改進(jìn)及其在徑流預(yù)報(bào)中的應(yīng)用[D];西北農(nóng)林科技大學(xué);2013年

6 黃戈;基于最小二乘支持向量機(jī)的水輪發(fā)電機(jī)組振動(dòng)故障診斷方法研究[D];西安理工大學(xué);2009年

，

本文編號(hào)：1504910