欢迎来到天天文库
浏览记录
ID:9013902
大小:260.40 KB
页数:4页
时间:2018-04-14
《svm大坝变形监测模型研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、144中国农村水利水电·2015年第5期文章编号:1007-2284(2015)05-0144-04SVM大坝变形监测模型研究马琳1,2,3,马福恒2,范振东1,3,4,李月娇1,3,4(1.河海大学水利水电学院,南京210098;2.南京水利科学研究院,南京210029;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;4.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)摘要:大坝的变形监测数据是一个复杂的非线性的时间序列,采用传统的建模方法存在拟合和预报精度低等问题。传统算法中,基本遗传
2、算法不能确保全局最优收敛,而普通多变异位自适应遗传算法在进化初期对群体不利,容易导致进化走向局部最优。针对这一问题,提出一种基于改进的多变异位自适应遗传优化支持向量机(SVM)的建模方法。多变异自适应遗传算法采用二进制多点交叉,可根据个体适应值大小,自动选取合适的交叉概率和遗传概率,针对遗传算法易陷入局部最优点,对上述遗传算法进行改进,并利用该算法对支持向量机的模型参数进行寻优。将上述建模方法用于大坝变形监控模型的建立,结果表明该组合算法能有效提高模型的拟合和预报精度。关键词:大坝;变形监测模型;支持向量机;改进的多变异位自适应遗
3、传算法中图分类号:TV698.1文献标识码:ADamDeformationMonitoringModelBasedonImprovedMMA-SVM1,3,4,MAFu-heng2,FANZhen-dong1,3,4,LIYue-jiao1,3,4MALin(1.CollegeofWaterConservancyandHydropowerEngineering,HohaiUniversity,Nanjing210098,China;2.NanjingHydraulicResearchInstitute,Nanjing210029,
4、China;3.NationalEngineeringResearchCenterofWaterResourcesEfficientUtilizationandEngineeringSafety,HohaiUniversity,Nanjing210098,China;4.StateKeyLaboratoryofHydrology-waterResourcesandHydraulicEngineering,HohaiUniversity,Nanjing210098,China)Abstract:Damdeformationmonit
5、oringdataareacomplexnonlineartimeseries.Whilemodelingwithtraditionalmodelingmethods,problemslikelowaccuracyfittingandforecastingarise.Intraditionalalgorithms,thebasicgeneticalgorithmcan'tensureglobalopti-malconvergence,whiletheaveragemultiplemutationadaptivegeneticalg
6、orithmisunfavorableforgroupsintheearlystageofevolu-tion,whichgeneratesahighpossibilityofleadingtheevolutiontowardslocaloptimum.Inresponsetothisproblem,thispaperpres-entsavariedectopicmodelingmethodbasedonimprovedadaptivegeneticoptimizationsupportvectormachine(SVM).Mul
7、tiplemu-tationadaptivegeneticalgorithmusesbinarymulti-pointcrossovermethod,inwhichitautomaticallyselectstheappropriatecrossoverprobabilityandgeneticprobabilityaccordingtothesizeofindividualfitnessvalue.Asgeneticalgorithmfallsintolocaloptimumeasi-ly,thegeneticalgorithm
8、aboveisimprovedtoappropriatelyseektheoptimizationofSVMparameters.Themodelingmethodaboveisusedtoestablishthemodelofdamdeforma
此文档下载收益归作者所有