首站-论文投稿智能助手
典型文献
基于PSO-SVM的碾压混凝土坝变形预测模型
文献摘要:
为提升大坝变形预测能力,提出了一种基于粒子群算法(PSO)优化支持向量机(SVM)的混凝土重力坝变形预测模型.通过粒子群算法对支持向量机惩罚函数C与核函数σ进行寻优,避免了拟合过程中易陷入局部最优解的问题,提高了模型的拟合精度.以新疆北疆某碾压混凝土坝2014年~ 2019年变形监测数据为例,建立了逐步回归、SVM、PSO-SVM三种模型.结果 表明,PSO-SVM模型预测时段复相关系数高达0.991,明显优于逐步回归与SVM模型,同时标准差也低于其他两种模型,说明PSO-SVM模型拟合及预测精度更高,有效验证了模型的可靠性及准确性.
文献关键词:
碾压混凝土坝;粒子群算法;支持向量机;变形监测;变形预测
作者姓名:
朱明远;吴艳;阮新民;周富强;美丽古丽
作者机构:
新疆水利水电科学研究院,新疆 乌鲁木齐830049;新疆额尔齐斯河流域开发工程建设管理局,新疆乌鲁木齐830000
文献出处:
引用格式:
[1]朱明远;吴艳;阮新民;周富强;美丽古丽-.基于PSO-SVM的碾压混凝土坝变形预测模型)[J].水力发电,2022(03):64-69
A类:
B类:
PSO,碾压混凝土坝,混凝土坝变形预测,大坝变形预测,预测能力,粒子群算法,优化支持向量机,混凝土重力坝,惩罚函数,核函数,中易,局部最优解,拟合精度,北疆,变形监测数据,逐步回归,预测时段,复相关系数,时标,模型拟合,有效验证
AB值:
0.244839
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。