最小二乘支持向量机在大坝变形预测中的应用

介绍了基于统计学习理论的一种新的机器学习技术———支持向量机(SVM)和其拓展方法———最小二乘支持向量机(LSSVM),并将LSSVM算法应用于混凝土大坝安全监控中的变形预测。根据实测数据,建立了基于LSSVM算法的大坝变形预测模型,同时与经典SVM预测模型进行分析比较。结果表明,LSSVM和经典SVM算法在大坝变形预测中都具有较好的可行性、有效性及较高的预测精度;LSSVM在算法的学习训练效率上比SVM有较大的优势,更适合于解决大规模的数据建模。     

基于模糊LS-SVM算法的大坝变形预测模型

在大坝工程变形分析和预测方面,研究了一种基于支持向量度的模糊最小二乘支持向量机(LS-SVM)算法,结合具体实例进行对比分析,结果表明模糊LS-SVM模型的预测精度要高于LSSVM模型,且支持向量机(SVM)的稀疏性也优于LS-SVM模型,可以很好地应用于大坝变形监测分析.     

基于改进自适应遗传算法的大坝变形支持向量机预测模型

针对支持向量机模型预测大坝变形的核心为选取惩罚因子C和核函数参数σ的问题,以及标准遗传算法可能存在收敛局部小而最后得不到全局最优解、收敛速度慢等缺点,采用改进的自适应遗传算法对参数进行寻优。实例应用表明,与自适应遗传算法的支持向量机模型和统计模型相比,改进的自适应遗传算法的支持向量机模型推广能力和泛化能力更好,从而证明该预测模型具有可行性和实用性。     

基于动态SVM-MC的大坝变形监测模型及应用

为了提高大坝监测模型的泛化能力和残差辨识的精确性,将支持向量机模型(SVM)和马尔科夫链模型(MC)相结合,建立了SVM-MC大坝变形监测模型,利用马尔科夫链模型处理SVM模型的残差,在进行预测时,采用动态更新模型的方法,即动态SVM-MC模型,并通过实例应用做了比较。结果表明,动态SVM-MC模型提高了预测的精度和泛化能力,可用于复杂大坝的安全建模。     

基于经验模态分解和支持向量机的大坝变形预测

为提高大坝变形预测精度,提出了一种基于经验模态分解(EMD)和支持向量机(SVM)的大坝变形预测新算法(EMD-SVM)。该算法先对大坝位移序列进行经验模态分解,有效分离出隐含在时序中的非线性高频波动成分和低频趋势成分;然后应用支持向量机对各分量进行建模预测;最后叠加各分量预测值得到预测结果。通过算例验证,并与BP神经网络、支持向量机对比分析表明,该算法具有较强的泛化能力和自适应拟合能力,能在一定程度上保证较优的局部预测值和较好的全局预测精度,在大坝变形预测中具有一定的实用价值。     

基于有限元与支持向量机的大坝变形组合预报模型

鉴于大坝变形可有效反映大坝的运行状态,而传统统计模型对大坝变形监测数据的拟合和预测并未考虑坝体及坝基物理力学参数的问题,提出了基于有限元与支持向量机(SVM)的大坝变形预报模型,即通过Hypermesh网格划分得到三维有限元模型,导入Abaqus进行静力计算,得到典型水位下的位移分量。考虑到大坝变形的高度非线性特点,利用SVM拟合得到水压分量、温度、时效分量影响过程线。实例验证表明,该模型拟合效果较好,预测精度更高。     

基于改进PSO-SVM-MC模型的大坝变形监测模型

分析与处理大坝变形监测资料在大坝安全监测中意义重大。支持向量机(SVM)在大坝安全监测建模中应用广泛,但采用标准粒子群(PSO)算法对SVM参数寻优过程中,易陷入局部最优,且残差也会影响模型的预测精度。为提高大坝监测模型的泛化能力和预测精度,采用改进后的自适应位置PSO(APPSO)算法,对SVM模型的参数进行寻优,并利用马尔科夫链(MC)模型修正PSO-SVM模型的残差。工程实例分析表明,PSO-SVM-MC模型可提高模型预测的泛化能力和精度。     

空气预热器转子隔板热变形数值模拟

为了解决空气预热器漏风过大问题,以某电厂660 MW锅炉机组回转式空气预热器为研究对象,对其内部温度场和转子隔板的热变形进行了数值模拟研究,分析转子内部温度分布情况及转子隔板热变形特征。结果表明：不同工况下,转子高温端和低温端温差大小不同,转子隔板的热变形量随着温差的增大而增大;不同工况下,转子隔板最大热变形都发生在二次风侧,最小变形量发生在烟气侧;减少径向漏风量的有效途径是避免在扇形板区域出现较大温差。     

基于提升小波和LS-SVM的大坝变形预测

提出了一种基于提升小波和最小二乘支持向量机的大坝变形预测方法,通过提升小波分析提取大坝监测数据效应量,分别对各效应量使用最小二乘支持向量机模型进行训练预测,再将合成各分量的预测结果作为最终的变形预测结果.算例结果表明,该方法较符合实际情况,具有很高的预测精度和良好的泛化能力.     

基于数值模拟与试验运行数据的电站锅炉燃烧系统复合建模

建立电站锅炉燃烧系统的数值模拟模型,通过该模型提供的训练样本建立最小二乘支持向量机模型(LS-SVM),利用试验数据对所建模型进行修正,并通过实时运行数据更新模型,提出了一种电站锅炉燃烧系统的复合建模方法.结果表明:复合建模方法有效地提高了模型的精度和运算速度,通过对初始LS-SVM模型的修正和更新可以进一步提高模型精度,为燃烧优化打下良好的基础.     

基于改进Db1GEGA-SVM的大坝变形预警模型

支持向量机(SVM)能有效解决高维数非线性问题,且具有很好的泛化能力,其关键在于惩罚因子及核参数的选取;遗传算法具有良好的全局搜索能力与潜在的并行性,但局部搜索能力差,且易陷入早熟收敛。为提高大坝变形预警模型精度和泛化能力,提出利用改进的双切点交叉遗传算法(Db1GEGA)对SVM模型进行参数寻优,构建了基于改进Db1GEGA-SVM的大坝变形预警模型,并通过实例应用做了比较。结果表明,基于改进Db1GEGA-SVM的大坝变形预警模型具有更强的泛化能力和更高的预测精度。     

基于数值天气预报的风电功率预测建模研究

基于数值天气预报的支持向量机风电功率预测方法,利用空间分辨率较高的数值天气预报来提高风电功率预测的准确性;通过优化选取NWP的网格点、物理层面及其之上的物理量对预测模型进行简化,提高预测程序的运行速度。采用辽宁省某风场的历史数据,验证了所设计预测算法的有效性,为数值天气预报用于风电功率建模提供了试验支撑。     

基于SAPSO-RVM的大坝变形预测模型及应用

鉴于支持向量机(SVM)存在结构稀疏化不足、缺乏概率信息等缺陷,将性能更具优势的相关向量机(RVM)理论引入到大坝变形预测的应用中。选择高斯径向基函数作为RVM模型的核函数,核参数用基于模拟退火的混合粒子群算法(SAPSO)进行寻优,进而建立SAPSO-RVM回归预测模型。实例应用结果表明,RVM模型的向量数量远小于SVM模型,在保持良好泛化能力的前提下计算结构得到简化,混合粒子群算法相较于一般粒子群算法其全局寻优能力也有所提高,SAPSO-RVM模型回归预测精度较高。     

RVM-MC模型在大坝变形监控中的应用

基于相关向量机(RVM)本身泛化能力优良,对解决高维数的非线性问题效果明显的优点,将相关向量机应用于大坝安全监控中,采用一种改进的粒子群算法(APPSO)对核函数进行寻优,同时利用马尔科夫链处理模型残差以提高模型的拟合预测精度,进而建立RVM-MC监控模型。实例应用结果表明,与标准RVM模型相比,RVM-MC模型精度和泛化能力均有了显著提高。     

悬挂式防渗墙防渗效果数值模拟

鉴于数值模拟技术在模拟土体渗流方向上几乎不受外界干扰、计算可重复性高等优势,以室内砂槽模型试验为背景,采用有限差分软件FLAC3D模拟了双层堤基中悬挂式防渗墙的贯入深度、布置位置对渗透变形的影响。结果表明,悬挂式防渗墙防渗效果随贯入深度的增加而更为显著;防渗墙布置在靠近下游位置时可抑制渗透变形在墙后背水侧发展,从而避免堤身沉降出现溃堤事故;数值模拟结果与室内模型试验数据基本吻合,说明运用数值模拟分析渗透变形是可行的。     

新老混凝土粘结强度SVR模拟预测研究

将支持向量机用于对新老混凝土粘结强度影响因子模拟和抗剪切强度预测分析，结果表明，支持向量机回归模型SVR具有训练速度快、泛化能力强的特点，对高温后新老混凝土粘结面的强度的模拟和预测比较准确，同时能够很好地描述因子的作用规律。     

最小二乘支持向量机在大坝渗流监测中的应用

支持向量机的训练速度慢．制约了它的发展和推广应用。Suykens提出了一种新的支持向量机方法——最小二乘支持向量机。最小二乘支持向量机是支持向量机的发展和改进,它采用等式约束替代不等式约束,求解速度大大加快。将其用于大坝的渗流监测中．并与传统的支持向量机进行了比较,结果显示二者的预测效果都比较好．但是最小二乘支持向量机的训练效率比支持向量机要高。     

软土边坡开挖变形特征与临界破坏范围数值模拟

由于软弱夹层边坡塑性剪切变形是软化参量,在分析边坡临界破坏范围时受到不稳定安全因子影响,无法充分考虑应变软化过程,导致临界破坏范围分析结果不精准。为了解决这个问题,采用了数值模拟方法。通过多点观测方式对巷道断面地质剖面进行观测,统计边坡注浆前后拱顶累计沉降值,分析边坡开挖变形特征。在FLAC3D软件支持下构建应变软化临界破坏数值模型,通过建立Mohr-Coulomb （摩尔-库仑）屈服判据与软化参量之间的关系,反映塑性剪切变形参量的软化特性。计算斜坡安全系数与斜坡滑面间距,以极限均衡理论为基础,结合Geo-slope法获取边坡极限失稳安全系数,以安全系数作为评价指标,对边坡的极限稳定状况进行了研究,并得出了临界失稳范围。以山西省一地质工程为研究对象,由算例分析结果可知,该方法剪应变增量较高,与临界破坏范围三维分析方法一致,且塑性安全系数达到最大值8.0,与实际值一致。     

垃圾填埋场防渗墙变形数值分析

为了研究以聚乙烯醇改性粘土基浆材为主要材料的垃圾填埋场防渗墙在实际应用中的变形规律,以室内实体模型为对比参照,根据实体模型的材料参数,采用有限元分析软件对用聚乙烯醇改性防渗浆材浇筑而成的防渗墙进行建模与分析,并比较了数值模拟结果与试验结果。结果表明,墙体水平位移自墙顶向下逐渐减小,未出现反向位移,水平位移近似于线性变化;墙体主应力小于浆材的极限耐受值,且无拉应力的出现,具有良好的变形协调性;计算值与模拟值变化趋势相近且差异较小,计算结果具有合理性,说明防渗墙的应力应变能够满足垃圾填埋场实际应用的要求。