基于PSO-RVM-ARIMA的大坝变形预警模型  

Dam Deformation Forecasting Based on PSO-RVM-ARIMA Model

作　　者：屠立峰[1,2,3] 包腾飞[1,2,3] 唐琪[1,2] 李月娇[1,2] 

机构地区：[1]河海大学水利水电学院,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,南京210098 [3]河海大学水文水资源与水利工程科学国家重点实验室,南京210098

出　　处：《中国农村水利水电》2015年第6期112-115,共4页China Rural Water and Hydropower

基　　金：国家自然科学基金重点项目(41323001);新世纪优秀人才支持计划项目(NCET-11-0628);高等学校博士学科点专项科研基金项目(20120094110005);中央高校基本科研业务费项目(2012B07214)

摘　　要：为克服支持向量机对核函数需满足Mercer条件的不足,学者们将相关向量机RVM引入大坝安全监测模型。为进一步提高RVM模型的预测精度,首先通过粒子群算法PSO对RVM的核参数寻优,再利用ARIMA模型对PSO-RVM模型的拟合残差项进行预测修正,建立PSO-RVM-ARIMA模型。通过实例分析,PSO-RVM-ARIMA模型的预测精度和泛化能力较RVM模型均有一定程度的提高。To overcome the support vector machine （SVM） for the deficiency of the kernel function to satisfy the Mercer condition , the scholars will introduce vector machines （RVM ） into the dam safety monitoring model .In order to further improve the predictive accuracy of RVM model in this paper ,first of all by particle swarm optimization （PSO） nuclear parameter optimization of RVM ,re‐use of ARIMA model of PSO- RVM model fitting to predict the residual item correction ,PSO- RVM - ARIMA model is estab‐lished .Through the case analysis ,PSO-RVM-ARIMA model prediction accuracy and generalization ability of RVM model has a certain degree of improvement .

关 键 词：粒子群算法 相关向量机 ARIMA 预警模型 

分 类 号：TV698.1[水利工程—水利水电工程]