基于最小二乘支持向量机的大坝应力预测模型  

Dam's Stress Prediction Model Based on LS-SVM Method

作　　者：张伟[1,2,3] 吴丹 李小奇[1,2,3] 胡晓雨[2,4] 

机构地区：[1]河海大学水利水电工程学院,江苏南京210098 [2]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 [3]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 [4]河海大学水文水资源学院,江苏南京210098

出　　处：《水利与建筑工程学报》2011年第1期26-29,共4页Journal of Water Resources and Architectural Engineering

基　　金：水利部公益性项目(201101013);国家自然科学基金资助项目(51079046;50909041;50809025;50879024);国家科技支撑计划课题(2006BAC14B03;2008BAB29B03);河海大学水文水资源与水利工程科学国家重点实验室专项基金(2009586012;2010585212);中央高校基本科研业务费项目(2009B08514;2010B20414;2010B14114);中国水电工程顾问集团公司科技项目(CHC-KJ-2007-02);江苏省"333高层次人才培养工程"(2017-B08037);江苏省普通高校研究生科研创新计划(CX09B-163Z);高等学校博士学科点专项科研基金(20070294023)

摘　　要：应力的监测一直是大坝安全监测中极为重要的部分,传统的预测方法精度有时候不高,为了提高预测的精度,提出了一种基于最小二乘支持向量机(LS-SVM)的大坝应力预测模型。通过具体工程实例计算,LS-SVM表现出很好的鲁棒性和预测精度高的优势,应力预测精度比传统的逐步回归方法提高了很多,为大坝应力分析提供了一种可靠的、有效的途径和方法。The stress monitoring has been an extremely important part in dam monitoring.Sometimes the traditional forecasting methods have no high accuracy.In order to improve the accuracy of prediction,a dam＇s stress prediction model is proposed here based on Least Squares Support Vector Machines（LS-SVM）.Through applying in one dam,LS-SVM shows the advantages of good robustness and high prediction accuracy,and its stress prediction accuracy is improved a lot than that using the traditional stepwise regression method,so as to provide a reliable and effictive way and means in dam stress analysis.

关 键 词：最小二乘支持向量机 应力 预测 逐步回归 

分 类 号：TV698.11[水利工程—水利水电工程] O241.5[理学—计算数学]