| 基于BBO-SVM的大坝变形预测模型与性能验证 |
| |
| 引用本文： | 刘志,刘泽,杨金辉,高培培,朱光华,胡少华.基于BBO-SVM的大坝变形预测模型与性能验证[J].水利水电技术,2020,51(8). |
| |
| 作者姓名： | 刘志 刘泽 杨金辉 高培培 朱光华 胡少华 |
| |
| 作者单位： | 武汉理工大学安全科学与应急管理学院,湖北武汉 430070;南京水利科学研究院,江苏南京210024;福建省水利水电勘测设计研究院,福建福州 350001;武汉理工大学安全科学与应急管理学院,湖北武汉 430070;国家大坝安全工程技术研究中心,湖北武汉430010 |
| |
| 基金项目： | 国家自然科学基金;国家大坝安全工程技术研究中心开放基金 |
| |
| 摘 要： | 针对大坝监测数据小样本、高维度和非线性的特点,引入支持向量机(SVM)机器学习方法,采用生物地理学优化算法(BBO)优化其惩罚因子c和核函数参数g,建立了基于BBO-SVM的大坝变形预测模型。结合2011—2016年水口大坝4个测点共900组环境量与效应量监测数据,对模型预测性能进行了验证,并将预测结果与SVM、PSO-SVM和ABC-SVM大坝变形预测模型进行对比。结果表明:文中提出的BBO-SVM模型不仅预测精度高,且稳定性更好,4个测点的均方根误差分别达到了0.332 0、0.473 5、0.405 7、0.222 8,拟合优度分别达到了0.910 4、0.961 0、0.962 4、0.956 9。本研究可提高大坝安全监测成果利用,对于大坝健康状态预测评估具有一定的工程指导意义。
|
| 关 键 词： | 大坝变形 预测模型 BBO-SVM 预测性能 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
