很多大壩失事前會(huì)出現(xiàn)壩體變形測(cè)值異常的情況,為了確保大壩安全運(yùn)行,需要建立精確的模型來進(jìn)行數(shù)據(jù)分析和變形預(yù)測(cè)。針對(duì)大壩安全監(jiān)測(cè)數(shù)據(jù)序列中出現(xiàn)小樣本、短序列和序列非線性的特點(diǎn),將主成分分析法(PCA)引入支持向量機(jī)(SVM)來簡(jiǎn)化因子關(guān)系,實(shí)現(xiàn)支持向量機(jī)模型輸入的優(yōu)化設(shè)計(jì),同時(shí)應(yīng)用灰狼優(yōu)化算法(GWO)對(duì)支持向量機(jī)進(jìn)行參數(shù)優(yōu)化,并結(jié)合支持向量機(jī)的非線性擬合能力,使模型更好地體現(xiàn)大壩的工作機(jī)制。以某混凝土連拱壩為例,分別建立統(tǒng)計(jì)模型、標(biāo)準(zhǔn)SVM模型、PCA-SVM模型以及PCA-GWO-SVM模型并對(duì)預(yù)測(cè)結(jié)果進(jìn)行分析,對(duì)比驗(yàn)證了PCA-GWO-SVM模型方法的可行性。

【文章頁數(shù)】：5 頁

【文章目錄】：
1 基于主成分分析的灰狼優(yōu)化算法支持向量機(jī)
    1.1 支持向量機(jī)
    1.2 主成分分析
    1.3 灰狼優(yōu)化算法
    1.4 PCA-GWO-SVM組合模型建模步驟
2 工程實(shí)例
3 結(jié) 語



本文編號(hào)：3751028