本文選題：支持向量機(jī) + 遺傳算法參數(shù)尋優(yōu)��； 參考：《武漢大學(xué)學(xué)報(工學(xué)版)》2017年02期

【摘要】：針對巖體邊坡位移預(yù)測難度大的問題,結(jié)合支持向量機(jī)-小波神經(jīng)網(wǎng)絡(luò),提出了一種新的巖體邊坡位移時序預(yù)測模型——支持向量機(jī)-小波神經(jīng)網(wǎng)絡(luò)預(yù)測模型.通過對實(shí)測位移值的學(xué)習(xí),并借助遺傳算法參數(shù)尋優(yōu)的支持向量機(jī)對位移時間序列的宏觀發(fā)展趨勢進(jìn)行滾動預(yù)測;在此基礎(chǔ)上利用小波基函數(shù)變換分析序列的局部特征,通過2維情況下的序列局部走勢方向的選擇、實(shí)測值與支持向量機(jī)擬合值的相對誤差與絕對誤差等指標(biāo)的分析,達(dá)到對預(yù)測值優(yōu)化改進(jìn)的目的.將該模型應(yīng)用到某工程面板堆石壩壩肩強(qiáng)卸荷巖體邊坡位移的時序預(yù)測中,結(jié)果表明,該模型具有可靠度和精度高的優(yōu)點(diǎn),可應(yīng)用于巖體邊坡位移預(yù)測分析.
[Abstract]:Aiming at the difficult problem of rock slope displacement prediction, a new prediction model of rock slope displacement time series-support vector machine-wavelet neural network is proposed. The model is based on support vector machine (SVM) and wavelet neural network (WNN). Based on the study of the measured displacement value and the support vector machine (SVM), which is optimized by genetic algorithm parameters, the macroscopic development trend of displacement time series is predicted by rolling, and the local characteristics of the sequence are analyzed by wavelet basis function transformation. Through the analysis of the local direction of the sequence, the relative error and the absolute error between the measured value and the fitting value of support vector machine, the purpose of optimizing and improving the prediction value is achieved. The model is applied to the time series prediction of the displacement of the strong unloading rock slope at the abutment of a face rockfill dam. The results show that the model has the advantages of high reliability and precision, and can be applied to the prediction and analysis of the displacement of the rock slope.
【作者單位】： 河海大學(xué)水文水資源與水利工程科學(xué)國家重點(diǎn)實(shí)驗(yàn)室;河海大學(xué)水利水電學(xué)院;
【基金】：2016年度江蘇省普通高校學(xué)術(shù)學(xué)位研究生科研創(chuàng)新計劃項目(編號:KYZZ16_0284) 江蘇省自然科學(xué)基金青年基金(編號:BK2012410) 國家自然科學(xué)基金項目(編號:51179062) 江蘇高校優(yōu)勢學(xué)科建設(shè)工程資助項目 中央高校基本業(yè)務(wù)費(fèi)項目(編號:2014B11914)
【分類號】：TU433;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李建麗;鐘儀華;李智超;;小波神經(jīng)網(wǎng)絡(luò)多屬性綜合評價及其應(yīng)用[J];科技資訊;2008年03期

2 龔玉蓉;湯井田;蔡劍華;;小波神經(jīng)網(wǎng)絡(luò)的大地電磁數(shù)據(jù)靜態(tài)效應(yīng)處理[J];物探化探計算技術(shù);2011年06期

3 王宇譜;呂志平;;小波神經(jīng)網(wǎng)絡(luò)日長預(yù)報算法研究[J];大地測量與地球動力學(xué);2012年01期

4 黃永紅;徐勇;;基于小波神經(jīng)網(wǎng)絡(luò)的某邊坡預(yù)測研究[J];測繪工程;2012年02期

5 文成林,王雪,侯玉華;自回歸過程的小波神經(jīng)網(wǎng)絡(luò)逼近算法[J];河南大學(xué)學(xué)報(自然科學(xué)版);2000年01期

6 劉家國,曾山;改進(jìn)的小波神經(jīng)網(wǎng)絡(luò)模型在電力故障信號識別中的應(yīng)用[J];湖北民族學(xué)院學(xué)報(自然科學(xué)版);2001年03期

7 李躍華,張勝,高敦堂,李興國;基于小波神經(jīng)網(wǎng)絡(luò)的毫米波雷達(dá)目標(biāo)距離像識別(英文)[J];紅外與毫米波學(xué)報;2002年01期

8 李益國,沈炯,呂震中;一種新的小波神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化設(shè)計方法[J];控制理論與應(yīng)用;2003年03期

9 盛景泉,付夢印,劉永信;采用小波神經(jīng)網(wǎng)絡(luò)的捷聯(lián)慣導(dǎo)系統(tǒng)靜基座快速初始對準(zhǔn)[J];內(nèi)蒙古大學(xué)學(xué)報(自然科學(xué)版);2003年04期

10 單海歐;李平;;小波神經(jīng)網(wǎng)絡(luò)的改進(jìn)及應(yīng)用[J];甘肅科學(xué)學(xué)報;2007年01期

相關(guān)會議論文 前10條

1 胡博;陶文華;崔博;白一彤;尹旭;;基于小波神經(jīng)網(wǎng)絡(luò)的異步電機(jī)故障診斷[A];2009中國控制與決策會議論文集（2）[C];2009年

2 何正友;錢清泉;;一種改進(jìn)小波神經(jīng)網(wǎng)絡(luò)模型在電力故障信號識別中的應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

3 魯艷軍;陳漢新;陳緒兵;;基于小波神經(jīng)網(wǎng)絡(luò)的齒輪裂紋故障診斷[A];節(jié)能減排 綠色制造 智能制造——低碳經(jīng)濟(jì)下高技術(shù)制造產(chǎn)業(yè)與智能制造發(fā)展論壇論文集[C];2010年

4 董健;尹萌;張輝;;小波神經(jīng)網(wǎng)絡(luò)結(jié)合多項式的混合預(yù)測方法在通信規(guī)劃中的應(yīng)用[A];2011全國無線及移動通信學(xué)術(shù)大會論文集[C];2011年

5 謝建宏;張為公;;復(fù)合材料疲勞剩余壽命預(yù)測的動態(tài)小波神經(jīng)網(wǎng)絡(luò)方法[A];第二屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2004年

6 陳建秋;張新政;;基于小波神經(jīng)網(wǎng)絡(luò)的水質(zhì)預(yù)測應(yīng)用研究[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

7 孫正貴;;小波神經(jīng)網(wǎng)絡(luò)的高效學(xué)習(xí)算法及應(yīng)用研究[A];中南六�。▍^(qū)）自動化學(xué)會第24屆學(xué)術(shù)年會會議論文集[C];2006年

8 黃敏;朱啟兵;崔寶同;;基于小波神經(jīng)網(wǎng)絡(luò)的軋機(jī)特性回歸[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

9 周紹磊;張文廣;李新;;一種基于改進(jìn)遺傳算法的小波神經(jīng)網(wǎng)絡(luò)[A];2007年中國智能自動化會議論文集[C];2007年

10 杜青;劉劍飛;劉娟;喬延華;;基于小波神經(jīng)網(wǎng)絡(luò)的模擬調(diào)制信號自動識別[A];2007通信理論與技術(shù)新發(fā)展——第十二屆全國青年通信學(xué)術(shù)會議論文集（下冊）[C];2007年

相關(guān)博士學(xué)位論文 前10條

1 侯霞;小波神經(jīng)網(wǎng)絡(luò)若干關(guān)鍵問題研究[D];南京航空航天大學(xué);2006年

2 章文俊;小波神經(jīng)網(wǎng)絡(luò)算法及其船舶運(yùn)動控制應(yīng)用研究[D];大連海事大學(xué);2014年

3 高協(xié)平;小波參數(shù)化與小波神經(jīng)網(wǎng)絡(luò)研究[D];湖南大學(xué);2003年

4 宋清昆;自適應(yīng)結(jié)構(gòu)優(yōu)化神經(jīng)網(wǎng)絡(luò)控制研究[D];哈爾濱理工大學(xué);2009年

5 李永紅;廣義小波神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)雷達(dá)相關(guān)濾波的研究[D];大連海事大學(xué);2000年

6 銀俊成;量子信道與量子小波神經(jīng)網(wǎng)絡(luò)相關(guān)問題研究[D];陜西師范大學(xué);2013年

7 李文軍;多小波和小波神經(jīng)網(wǎng)絡(luò)構(gòu)造及其在電弧故障診斷中的應(yīng)用研究[D];吉林大學(xué);2008年

8 劉守生;遺傳算法與小波神經(jīng)網(wǎng)絡(luò)中若干問題的研究[D];南京航空航天大學(xué);2005年

9 黃同成;基于小波神經(jīng)網(wǎng)絡(luò)理論的VOCR與HOCR技術(shù)研究[D];上海大學(xué);2008年

10 蔡振禹;基于粗集—小波神經(jīng)網(wǎng)絡(luò)的煤炭企業(yè)管理研究[D];天津大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 張清華;小波神經(jīng)網(wǎng)絡(luò)參數(shù)優(yōu)化及其應(yīng)用[D];東北農(nóng)業(yè)大學(xué);2009年

2 王建雙;基于小波神經(jīng)網(wǎng)絡(luò)控制器設(shè)計與研究[D];哈爾濱理工大學(xué);2009年

3 張蓉暉;小波神經(jīng)網(wǎng)絡(luò)及其在模擬電路診斷中的應(yīng)用[D];華中科技大學(xué);2008年

4 吳曦;基于隨機(jī)小波神經(jīng)網(wǎng)絡(luò)的一類隨機(jī)過程的逼近[D];西北工業(yè)大學(xué);2001年

5 王勇;基于小波神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷的研究[D];內(nèi)蒙古工業(yè)大學(xué);2006年

6 孫新強(qiáng);基于小波神經(jīng)網(wǎng)絡(luò)的板料沖壓回彈研究[D];西南交通大學(xué);2015年

7 但立;基于小波神經(jīng)網(wǎng)絡(luò)的地面三維激光掃描點(diǎn)云數(shù)據(jù)的滑坡監(jiān)測研究[D];長安大學(xué);2015年

8 葛小川;基于小波神經(jīng)網(wǎng)絡(luò)的某坦克炮平衡與定位控制[D];南京理工大學(xué);2015年

9 蔡崇國;小波分析在大功率交流伺服系統(tǒng)中的應(yīng)用研究[D];南京理工大學(xué);2015年

10 盧金長;數(shù)據(jù)挖掘技術(shù)在上證指數(shù)預(yù)測中的應(yīng)用研究[D];云南財經(jīng)大學(xué);2015年

，

本文編號：1976120