基于APPSO-RVM与APPSO-SVM的大坝安全预警模型的应用比较研究  

Application and Comparison of SVM and RVM Algorithm in Dam Safety Modeling

作　　者：杜传阳 郑东健[1,2] 陈敏[1,2] 范振东[1,2] 伏晓[3] 

机构地区：[1]河海大学水利水电学院,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]河海大学大禹学院,江苏南京210098

出　　处：《水电能源科学》2015年第3期45-49,共5页Water Resources and Power

基　　金：国家自然科学基金重点项目(41323001;51139001);国家自然科学基金项目(51379068;51179066;51279052;51209077);高等学校博士学科点专项科研基金(20120094110005;20120094130003;20130094110010);新世纪优秀人才支持计划资助项目(NCET-11-0628;NCET-10-0359);水利部公益性行业科研专项经费项目(201201038;201301061);江苏省杰出青年基金项目(BK2012036);江苏省第四期"333工程"培养资金资助项目(BRA2011179;BRA2011145);江苏高校优势学科建设工程资助项目(水利工程)(YS11001);江苏省"333高层次人才培养工程"项目(2017-B08037);江苏省"六大人才高峰"项目(JY-008);江苏省"333高层次人才培养工程"科研项目(2016-B1307101)

摘　　要：为了提高大坝安全预警模型的精度和泛化能力,基于支持向量机(SVM)和相关向量机(RVM)理论,利用自适应粒子群算法(APPSO)分别对SVM和RVM模型中的参数进行寻优,建立了基于APPSO-SVM与APPSO-RVM的大坝安全预警模型,并通过实例应用做了比较。结果表明,尽管APPSO-RVM模型的相关向量个数少于APPSO-SVM模型,但APPSO-RVM模型的拟合精度和泛化能力均高于APPSO-SVM模型,因此在实际建模时应优先选择该模型。Based on support vector machine（SVM）and relevance vector machine（RVM）theory,the parameters are optimized through adaptive particle swarm algorithm（APPSO）to improve fitting accuracy and generalization ability of dam safety warning model.So,we set up dam safety warning model based APPSO-SVM and APPSO-RVM.Compared SVM with RVM,example＇s results indicate that although the number of relevance vector of APPSO-RVM model is less than APPSO-SVM model,the fitting accuracy and generalization ability of APPSO-RVM is better than APPSO-SVM model.Therefore,we should choose APPSO-RVM model in reality.

关 键 词：大坝安全建模 相关向量机 支持向量机 自适应粒子群算法 

分 类 号：TV698.1[水利工程—水利水电工程]