為了便于大壩安全監(jiān)控,建立了一種具有小樣本、非線性的SVM大壩安全系數(shù)預測模型。以白羊山水庫工程為例,探討了該模型的應用。在考慮壩高、壩基土層、壩基沉降等因素的情況下,采用遺傳算法對預測模型的松弛系數(shù)及懲罰因子進行優(yōu)化搜索,并用該模型對大壩進行安全穩(wěn)定預測。經(jīng)檢驗,預測精度可以滿足設計要求。 

【文章來源】：黃河水利職業(yè)技術學院學報. 2020,32(04)

【文章頁數(shù)】：5 頁

【部分圖文】：

大壩總體布置示意圖

松弛系數(shù)ξ和懲罰因子C是用來解決樣本數(shù)據(jù)誤差問題的參數(shù)。本文采用遺傳算法，搜索其最優(yōu)參數(shù)，并將搜索過程中出現(xiàn)過的所有參數(shù)變量與相應預測精度值都記錄下來，繪成直觀的等高線圖（如圖3所示）和三維視圖（如圖4所示）。經(jīng)分析，得到根據(jù)表3中樣本集所建SVM預測模型的最佳懲罰因子C為0.108 8，最佳松弛系數(shù)ξ為0.574 3。3.2 核函數(shù)比選

利用表3中的5組樣本集建立大壩安全穩(wěn)定預測模型，之后隨機選取大壩沿線另外3個斷面的數(shù)據(jù)作為檢驗樣本，對預測值與計算值進行比較，結果如表4所示。由表4可知，利用本次所建SVM預測模型可以較好地進行大壩安全穩(wěn)定預測，其預測誤差絕對值最大僅為0.004。圖4 SVM預測模型參數(shù)尋優(yōu)3D視圖

【參考文獻】：
期刊論文
[1]基于BBO-SVM的大壩變形預測模型與性能驗證[J]. 劉志,劉澤,楊金輝,高培培,朱光華,胡少華.  水利水電技術. 2020(08)
[2]基于IABC-LSSVM的大壩變形監(jiān)控模型研究[J]. 劉浩.  水利技術監(jiān)督. 2020(04)
[3]某水庫大壩安全監(jiān)測系統(tǒng)設計[J]. 魏海濤.  小水電. 2020(03)
[4]大壩安全監(jiān)測的ARIMA-BP組合預測模型[J]. 王成,胡添翼,顧艷玲,張磊,姓海濤.  三峽大學學報(自然科學版). 2018(01)
[5]大壩安全監(jiān)測統(tǒng)計模型的比較與選擇[J]. 張杰.  中國標準化. 2016(17)
[6]我國水庫大壩病險類型和成因機制分析[J]. 馬志強.  人民長江. 2013(S1)

博士論文
[1]基于智能計算的大壩安全監(jiān)測方法研究[D]. 宋志宇.大連理工大學 2007

碩士論文
[1]基于LS-SVM的河道洪水預報研究[D]. 丁海蛟.昆明理工大學 2016



本文編號：3508214