混合核SVM模型在大坝位移预测中的应用  

Application of Mixed Kernel SVM Model in Dam Displacement Prediction

作　　者：许后磊[1,2,3] 郑东健[1,2,3] 

机构地区：[1]河海大学水文水资源与水利工程科学国家重点实验室,江苏南京210098 [2]河海大学水资源高效利用与工程安全国家工程研究中心,江苏南京210098 [3]河海大学水利水电工程学院,江苏南京210098

出　　处：《水力发电》2010年第4期85-88,共4页Water Power

基　　金：国家自然科学基金资助重点项目(50809025;50539110);国家自然科学基金项目(50879024);国家科技支撑计划课题(2008BAB29B06);江苏省"333高层次人才培养工程"科研项目(2017-B08037)

摘　　要：针对大坝位移影响因素强、非线性特点和有效观测序列较短的情况提出了基于小生境遗传算法(NGA)混合核支持向量机大坝位移预测模型。核函数是支持向量机的核心部分,整合高斯和多项式两种核函数各自的优势提高了支持向量机的学习能力和泛化能力。采用主成分分析提取主成分,利用小生境遗传算法优化相关参数,某大坝连续观测数据的建模分析,证明了此种方法在大坝位移监测中应用的可行性和有效性。As a large amount of factors affecting dam displacement,the non-linear characteristics and less monitoring data of dam displacement,the mixed kernel support vector machine models for dam displacement prediction was proposed based on Niche Genetic Algorithm（NGA）.The integration of Gaussian and polynomial kernel functions improved the learning and generalization ability of support vector machine,the principal component was extracted by principal component analysis and relevant parameters were optimized by using NGA.Case study shows that this new method is feasible and effective for dam displacement prediction.

关 键 词：大坝 监测 小样本 支持向量机 混合核函数 

分 类 号：TV698.11[水利工程—水利水电工程]