基于PCA-SVM的桥梁健康监测数据分析模型  

作　　者：聂华伟[1] 应江虹 邓捷[1] 

机构地区：[1]贵州交通职业技术学院,贵州贵阳551400

出　　处：《交通世界》2023年第35期12-15,共4页Transpoworld

基　　金：贵州省科技计划项目(黔科合基础[2020]1Y280);贵州省科技计划项目(黔科合平台人才-CXTD[2021]008);贵州交通职业技术学院科研项目(YYB2020-QN04)。

摘　　要：为准确评价在役桥梁的健康状况,提出了一种基于主成分分析和支持向量机相结合的PCA-SVM桥梁健康监测数据分析模型,即采用主成分分析(PCA)对获取的桥梁健康监测指标进行降维处理,生成相互独立的主成分,再通过粒子群算法优化支持向量机(SVM)的关键参数——惩罚系数和核函数参数,以提高桥梁健康监测数据分析的准确性。最后,以西部地区桥梁健康监测数据为例,使用PCA-SVM模型进行数据分析,验证了该模型的有效性。

关 键 词：桥梁健康监测 数据分析 主成分分析 支持向量机 

分 类 号：U447[建筑科学—桥梁与隧道工程]