共查询到13条相似文献,搜索用时 109 毫秒
1.
2.
3.
逐渐积累的损伤会使水工泄流结构中特定部分的质量或刚度损失而引起结构动力特性发生变化,这都将在模态测量中有所反映,以结构模态参数为基础,准确判断泄流结构所存在的损伤(特别是水下部位),对整个泄水建筑物的安全至关重要。以水工泄流结构中的弧形钢闸门及混凝土导墙结构为例,研究了基于结构模态参数的水工泄流结构损伤识别方法,基于单元模态应变能方法对泄流结构不同位置相同程度的损伤以及不同位置不同程度的损伤进行了识别。结果表明,该方法可以准确识别泄流结构的损伤,对基于振动响应的泄流结构无损动态检测及其水下部位隐患诊断具有一定的应用价值。 相似文献
4.
我国库岸滑坡灾害频发,采用高精度优化算法对边坡位移时间序列进行预测对防灾减灾具有重要意义。边坡位移时间序列通常表现出高度非线性特征,传统模型难以对其进行准确预测。为此,本文提出一种基于优化经验模态分解和最小二乘支持向量机的边坡位移时间序列预测模型。该模型采用基于软筛分停止准则的经验模态分解(SSSC-EMD),可自适应地将边坡位移时间序列分解为多个本征模态分量和1 个残余分量。将残余分量定义为趋势项;通过K-means 聚类方法对分量进行聚类,将其定义为周期项和随机项。采用最小二乘法对趋势项进行预测;建立最小二乘支持向量机回归(LSSVM)模型对周期项和随机项进行预测。将各预测值累加求和,即得到累计位移预测值。以山口岩大坝为例,采用SSSCEMD-LSSVM 模型对厂址边坡位移时间序列进行预测。结果表明:模型能够有效预测位移时间序列,精度优于传统BP 神经网络和LSSVM 模型。 相似文献
5.
6.
基于支持向量机的水流挟沙力预测研究 总被引:8,自引:2,他引:6
本文阐述了支持向量机(SVM)的基本原理及特性,提出了基于SVM的水流挟沙力研究方法,并对30组高、中、低含沙量的水槽试验资料进行训练,训练值与实测值符合较好,再用训练好的SVM模型对4组试验数据进行了预测,预测结果与实测值相差较小。理论分析和实例结果验证了基于SVM的水流挟沙力研究方法比BP神经网络法具有更高的预测精度和可靠性。 相似文献
7.
8.
利用曲率模态范数作为损伤特征参数,对简支梁桥模型进行损伤识别数值模拟。考虑了温度对损伤识别的影响,并采用主成份分析法给予剔除,进而实现简支梁桥模型的轻微损伤识别。首先,介绍温度影响的机理,数值模拟方式和剔除方法;然后针对简支梁在不同温度条件下存在不同程度的轻微损伤,利用曲率模态范数进行了温度影响剔除后的损伤识别,并得出以下结论:温度影响可能对梁式桥的损伤识别产生不良影响,甚至会造成误判;经主成份分析法剔除温度影响后的曲率模态范数,可对梁式桥的轻微损伤做出存在与否的准确判断并定量分析。 相似文献
9.
支持向量机中核函数的选择对大坝监控模型预测精度具有较大影响。基于支持向量机结构风险最小化以及小波框架理论,提出用小波核函数代替高斯径向基核函数(RBF),并采用粒子群算法对支持向量机的参数进行寻优,得到一种新的大坝变形预测模型。针对某实际工程,基于监测数据,将该模型与采用RBF核函数的支持向量机模型以及统计回归模型做对比,结果显示采用小波核函数的支持向量机模型模拟精度更高,泛化能力更强。 相似文献
10.
11.
12.
变形是对大坝结构性态和安全状况最直接、可靠的反映,是大坝安全监测的重点项目之一.大坝变形具有较强的非线性特点,传统的预测方法有时精度不高.建立在统计学习理论和结构风险最小原理基础上的支持向量机算法能较好地解决小样本、非线性、高维数等问题.文章引入标准支持向量机的一种扩展——最小二乘支持向量机,参照传统逐步回归统计模型建... 相似文献
13.
水库长期径流预报对于研判水文情势变化和指导水库调度管理具有重要意义。针对云南龙江水库年、汛期和枯水期平均入库径流,利用随机森林从环流指数、海温、气压和前期月径流中选取关键预报因子,基于粒子群与交叉验证相结合的算法优选参数,建立随机森林与支持向量机模型,开展龙江水库入库径流预报研究。结果表明:太平洋中北部与西部气候因子对径流预报的影响较大,前期月径流对年、汛期径流的重要性偏低,但对枯水期的影响程度与部分气候因子相当。随机森林与支持向量机模型总体精度较高,模拟与预报的合格率均达到85%以上,平均绝对百分比误差均低于15%,支持向量机的泛化能力强于随机森林,但二者在局部极值流量处的预报精度尚有待提升。 相似文献