為監(jiān)控大壩運(yùn)行過程中的異常狀態(tài),準(zhǔn)確預(yù)測(cè)大壩滲流量的變化趨勢(shì),采用最大信息系數(shù)（MIC）量化滲流量與影響因子之間的相關(guān)性大小并從中選取主導(dǎo)因子作為輸入變量,通過引入生物地理學(xué)優(yōu)化算法（BBO）并以K折交叉驗(yàn)證意義下的平均均方根誤差為損失函數(shù)來(lái)優(yōu)化支持向量機(jī)（SVM）作為預(yù)測(cè)模型,以某水電站工程的攔河大壩為例進(jìn)行模型驗(yàn)證。結(jié)果表明:MIC-BBO-SVM模型的擬合優(yōu)度、均方根誤差、平均絕對(duì)誤差和平均絕對(duì)百分比誤差分別為0.957 5,0.155 0 m³/h,0.135 6 m³/h,11.51%,預(yù)測(cè)性能明顯優(yōu)于逐步回歸模型、SVM模型和MIC-SVM模型,可為大壩滲流安全監(jiān)測(cè)提供參考與借鑒。 

【文章來(lái)源】：中國(guó)安全生產(chǎn)科學(xué)技術(shù). 2020,16(11)北大核心CSCD

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

大壩滲流效應(yīng)量影響因素

滲流量影響因子優(yōu)選

棲息地物種遷徙模型

【參考文獻(xiàn)】：
期刊論文
[1]基于遺傳算法優(yōu)化支持向量機(jī)的大壩安全性態(tài)預(yù)測(cè)模型[J]. 谷艷昌,吳云星,黃海兵,龐瓊.  河海大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020(05)
[2]基于BBO-SVM的大壩變形預(yù)測(cè)模型與性能驗(yàn)證[J]. 劉志,劉澤,楊金輝,高培培,朱光華,胡少華.  水利水電技術(shù). 2020(08)
[3]基于最大互信息系數(shù)屬性選擇的冷軋產(chǎn)品機(jī)械性能預(yù)測(cè)[J]. 顏弋凡,安路達(dá),呂志民.  中南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020(01)
[4]多維復(fù)雜關(guān)聯(lián)因素下的大壩變形動(dòng)態(tài)建模與預(yù)測(cè)分析[J]. 李明超,任秋兵,孔銳,杜勝利,司文.  水利學(xué)報(bào). 2019(06)
[5]鐵路事故持續(xù)時(shí)長(zhǎng)預(yù)測(cè)背景下的影響因素分析[J]. 樊夢(mèng)琳,鄭偉.  中國(guó)安全科學(xué)學(xué)報(bào). 2019(S1)
[6]一種基于GA的新型生物地理學(xué)優(yōu)化算法研究[J]. 王寧,魏利勝.  系統(tǒng)仿真學(xué)報(bào). 2020(09)
[7]基于SVM的通風(fēng)系統(tǒng)故障診斷懲罰系數(shù)與核函數(shù)系數(shù)優(yōu)化研究[J]. 周啟超,劉劍,劉麗,黃德,鄧立軍,蔣清華.  中國(guó)安全生產(chǎn)科學(xué)技術(shù). 2019(04)
[8]MIC-PCA耦合算法在徑流預(yù)報(bào)因子篩選中的應(yīng)用[J]. 王麗萍,李寧寧,馬皓宇,紀(jì)昌明,李貴博.  中國(guó)農(nóng)村水利水電. 2018(09)
[9]基于SVM的混凝土壩變形監(jiān)控模型預(yù)測(cè)能力實(shí)例分析[J]. 錢秋培,崔偉杰,包騰飛,李慧.  長(zhǎng)江科學(xué)院院報(bào). 2018(08)
[10]基于EEMD-BBO-ELM的短期風(fēng)電功率預(yù)測(cè)方法[J]. 時(shí)彤,楊朔.  分布式能源. 2018(03)



本文編號(hào)：3518308