文档名：基于遗传算法的LIBSVM模型大坝扬压力预测研究
坝身孔隙水压力和坝基扬压力是大坝渗透压力监测的两个方面，因此，坝基扬压力的监测资料分析对于研究大坝的稳定和耐久性、监视大坝的安全、了解大坝的渗流状态、预测大坝的运行情况等都有重要的意义。支持向量机(SVM)模型的核心问题是惩罚因子c和核函数参数g的选取.通常支持向量机库工具箱(LIBSVM)采用传统网格搜索算法进行参数寻优,只能得到交叉验证意义下的全局最优解,在更大范围内进行参数寻优比较费时,且效率较低,针对这一问题,提出了基于遗传算法的启发式寻优,以交叉验证(CV)意义下的准确率为适应度,通过一系列的选择交叉变异操作,得到最优的c和g,将优化后的SVM模型应用于大坝扬压力的预测.通过某大坝扬压力监测的实例应用,发现基于遗传算法的LIBSVM向量机模型克服了传统LIBSVM网格搜索寻优的网格划分搜索，费时效率低的特点，利用遗传算法的启发式寻优，不必遍历网格所有参数点，也能找到全局最优解，提高了计算效率。对某混凝土坝的扬压力回归预测证明，LIBSVM回归预测模型具有较高的精度，预测扬压力序列的绝对误差控制在3％以内，具有一定的实际意义。
作者：刘天祥包腾飞宋锦焘沈寿亮梁睿斌姜彦作
作者单位：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;河海大学水资源高效利用与工程安全国家工程研究中心,江苏南京,210098;河海大学水利水电学院,江苏南京,210098
母体文献：2013年全国大坝安全监测技术与应用学术交流会论文集
会议名称：2013年全国大坝安全监测技术与应用学术交流会
会议时间：2016年11月1日
会议地点：江苏扬州
主办单位：全国大坝安全监测技术信息网
语种：chi
分类号：TS1TP3
关键词：大坝 扬压力监测 支持向量机 遗传算法 启发式寻优
在线出版日期：2017年6月30日
基金项目：
相似文献
相关博文
- 文件大小:
- 1.17 MB
- 下载次数:
- 60
-
高速下载
|
|
