| 基于PSO-SVM的大坝渗流监测时间序列非线性预报模型 |
| |
| 引用本文： | 姜谙男,梁 冰.基于PSO-SVM的大坝渗流监测时间序列非线性预报模型[J].水利学报,2006,37(3):0331-0335. |
| |
| 作者姓名： | 姜谙男 梁 冰 |
| |
| 作者单位： | 1. 辽宁工程技术大学,力学与工程科学系,辽宁,阜新,123000;大连海事大学,交通工程与物流学院,辽宁,大连,116026
2. 辽宁工程技术大学,力学与工程科学系,辽宁,阜新,123000 |
| |
| 摘 要： | 大坝渗流监测分析是大坝安全监控的重要内容，预测分析的难点之一在于渗流监测数据往往具有复杂的非线性特点。本文充分利用支持向量机的结构风险最小化与粒子群算法快速全局优化的特点，采用粒子群算法快速优化支持向量机的模型参数，通过该模型对非线性监测数据进行拟合，建立了基于PSO_SVM的大坝渗流监测的时间序列非线性预报模型。本模型应用于隔河岩水电站的坝基渗流量的预测，计算结果与实际监测值吻合良好。
|
| 关 键 词： | 安全监测 粒子群算法 支持向量机 时间序列预测 |
| 文章编号： | 0559-9350（2006）03-0331-05 |
| 收稿时间： | 2005-04-19 |
| 修稿时间： | 2005年4月19日 |
Nonlinear time series prediction model for dam seepage flow based on PSO-SVM |
| |
| JIANG An-nan,LIANG Bing.Nonlinear time series prediction model for dam seepage flow based on PSO-SVM[J].Journal of Hydraulic Engineering,2006,37(3):0331-0335. |
| |
| Authors: | JIANG An-nan LIANG Bing |
| |
| Affiliation: | 1. Liaoning Technical University, Fuxin 123000, China; 2. Dalian Maritime University, Dalian 116026, China |
| |
| Abstract: | The support vector machine based on statistical learning theory is applied to establish a time series model for simulating the monitoring data of dam seepage flow. The particle swarm optimization is used to optimize the parameters of the model. On this basis, the nonlinear time series prediction model for dam seepage flow based on PSO-SVM program is established. The principle and working steps of the method are presented. The seepage predicted by this method based on the monitoring data for the dam in Geheyan Project is in good agreement with the observation data. |
| |
| Keywords: | dam safety monitoring particle swarm optimization support vector machine time-series prediction |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《水利学报》浏览原始摘要信息 |
|
点击此处可从《水利学报》下载全文 |
