為更好地預測灌漿功率時序,建立基于模糊信息�；‵IG）和灰狼優(yōu)化支持向量機（GWO-SVM）的灌漿功率時序預測模型。首先,引入信息粒計算方法,將原始詳盡的時間序列數(shù)值點分解為一系列信息粒,以減少模型的數(shù)據(jù)輸入總量;其次,基于模糊集理論,采用模糊集算子對每個信息粒進行模糊計算,使得到的模糊信息�？梢院侠淼乇硎驹紨�(shù)值點集;最后,以支持向量機作為預測工具,并采用灰狼優(yōu)化算法進行參數(shù)尋優(yōu),對產(chǎn)生的模糊信息粒進行快速準確的預測。結(jié)合實際工程,應用該預測模型對灌漿功率的波動范圍和變化趨勢進行預測研究,經(jīng)過性能評價和對比分析,驗證了模型的有效性和優(yōu)越性。 

【文章來源】：河海大學學報(自然科學版). 2020,48(05)北大核心CSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

研究框架

灌漿規(guī)范[19]明確規(guī)定“灌漿過程中應保持灌漿壓力和注入率相適應”,本質(zhì)上是要求二者的乘積即灌漿功率近似保持為一個常數(shù)。本文選取灌漿功率進行時序預測研究,進而反饋指導工程實踐。首先將灌漿功率創(chuàng)新性地引入灌漿實時監(jiān)控系統(tǒng),在采集分析灌漿孔段的流量和壓力的同時,對灌漿功率進行計算分析,灌漿流量、灌漿壓力和灌漿功率曲線如圖2所示,圖中灌漿數(shù)據(jù)每隔5 s采集和計算一次,共采集了915條數(shù)據(jù)。2.3.2 模型參數(shù)確定

結(jié)合某水電站灌漿工程,說明基于FIG和GWO-SVM的時序預測模型在灌漿工程中的具體應用。表1 模型的預測性能指標結(jié)果Table 1 Predictive performance indicator results of model 分量 M MAE MAPE/% Up 6.789 8.16×10-4 0.01 R 6.678 2.89×10-3 0.04 Low 6.507 5.51×10-4 0.01


本文編號：3322705