基于GAMPSO-SVM的大坝变形监控模型  

Study of Dam Deformation Monitoring Model Based on GAMPSO-SVM

作　　者：李涧鸣 包腾飞[1,2,3] 卢远富 孙鹏明 高瑾瑾[1,2,3] 

机构地区：[1]河海大学水利水电学院,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,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,南京210098

出　　处：《三峡大学学报（自然科学版）》2015年第6期42-46,共5页Journal of China Three Gorges University：Natural Sciences

基　　金：国家自然科学基金资助项目(51379068;51139001);江苏省杰出青年基金项目(BK20140039);高等学校博士学科点专项科研基金(20120094110005;20120094130003)

摘　　要：建立合理的安全监控模型对实测资料进行实时分析和处理对大坝的安全运行有着重要意义.近年来,支持向量机(SVM)在建立监控模型中得到了广泛应用.但参数的选取对SVM模型的精度有相当大的影响.为了提高参数选择的精度,在标准粒子群算法(PSO)的基础之上,提出了一种加入高斯扰动项的变异粒子群优化算法(GAMPSO),对支持向量机的参数进行寻优,建立了基于GAMPSO-SVM的大坝变形监控模型,并进行工程实例验证.结果表明,该模型能有效避免陷入局部最优,具有更好的预测精度和泛化能力.It is important to build a reasonable safety monitoring model to analyze and process the real-time data for the operation of a dam. Recently, the support vector machine（SVM） has been widely used in estab- lishing monitoring models. However, the selection of parameters has a great effect on the precision of SVM. In order to improve the precision of the parameters, on the basis of particle swarm optimization（PSO）, a new adaptive mutation particle swarm optimization based on Gaussian disturbance（GAMPSO） method is proposed to optimize the parameters; and the combination of GAMPSO and SVM is used to establish a dam deformation monitoring model. Finally, practical engineering analysis is made. The results show that this model can avoid trapping in local optimum and shows better accuracy and generalization ability.

关 键 词：大坝安全 变形预测 粒子群算法 支持向量机 高斯扰动 

分 类 号：TV698.1[水利工程—水利水电工程]