| 大坝变形监测的粒子群优化高斯过程预测 |
| |
| 引用本文： | 王申波.大坝变形监测的粒子群优化高斯过程预测[J].北京测绘,2019,33(6). |
| |
| 作者姓名： | 王申波 |
| |
| 作者单位： | 广东省核工业地质局二九一大队,广东广州,510800 |
| |
| 摘 要： | 针对大坝变形数据的非平稳非线性特点,传统预测模型受到了一定限制。鉴于高斯过程(Gaussian Process,GP)对非平稳数据具有高自适应性,考虑到其自身在协方差函数选取以及超参数优化方面存在不足,为提高高斯过程模型的预测精度,文中通过粒子群算法(Particle Swarm Optimization,PSO)优化其超参数并选择最优协方差函数。通过实例验证分析,比较多元回归分析、GP、PSO-GP三种模型在大坝变形监测数据处理中的预测精度,表明大坝非线性预测模型粒子群优化高斯过程算法具有较高的预测精度,是一种有效的大坝变形分析预测方法。
|
| 关 键 词： | 粒子群算法 高斯过程 大坝变形预测 |
Dam Deformation Prediction in Gaussian Process Based on Particle Swarm Optimization |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
