基于GCS_SVM的大坝变形监测非线性预警模型

《基于GCS_SVM的大坝变形监测非线性预警模型》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、１１４中国农村水利水电·２０１５年第５期文章编号：１００７－２２８４（２０１５）０５－０１１４－０３基于ＧＣＳ－ＳＶＭ的大坝变形监测非线性预警模型屠立峰１，２，３，王慧１，２，顾微１，２（１．河海大学水利水电学院，南京２１００９８；２．河海大学水资源高效利用与工程安全国家工程研究中心，南京２１００９８；３．河海大学水文水资源与水利工程科学国家重点实验室，南京２１００９８）摘要：惩罚因子ｃ和核函数参数σ的选择对于支持向量机（ＳＶＭ）回归模型的拟合和预测精度至关重要。为克服ＳＶＭ模型易陷入局部最优点的缺陷，提出基于高斯扰动的混合布谷鸟搜索算法（ＧＣＳ），用于ＳＶＭ参数的优选，提

2、出ＧＣＳ－ＳＶＭ模型用于大坝变形监测非线性预警。通过实例验证分析表明，与ＳＶＭ模型相比，ＧＣＳ－ＳＶＭ模型的预测精度和泛化能力均有一定程度的提高。关键词：高斯扰动；布谷鸟搜索算法；支持向量机；预警模型中图分类号：ＴＶ６９８．１文献标识码：ＡＮｏｎｌｉｎｅａｒＤａｍＤｅｆｏｒｍａｔｉｏｎＭｏｎｉｔｏｒｉｎｇＥａｒｌｙＷａｒｎｉｎｇＭｏｄｅｌｏｆＳＶＭＢａｓｅｄｏｎＧＣＳ１，２，３，ＷＡＮＧＨｕｉ１，２，ＧＵＷｅｉ１，２ＴＵＬｉ－ｆｅｎｇ（１．ＣｏｌｌｅｇｅｏｆＷａｔｅｒＣｏｎｓｅｒｖａｎｃｙａｎｄＨｙｄｒｏｐｏｗｅｒＥｎｇｉｎｅｅｒｉｎｇ，ＨｏｈａｉＵｎｉｖｅｒｓｉｔｙ，Ｎａ

3、ｎｊｉｎｇ２１００９８，Ｃｈｉｎａ；２．ＮａｔｉｏｎａｌＥｎｇｉｎｅｅｒｉｎｇＲｅｓｅａｒｃｈＣｅｎｔｅｒｏｆＷａｔｅｒＲｅｓｏｕｒｃｅｓＥｆｆｉｃｉｅｎｔＵｔｉｌｉｚａｔｉｏｎａｎｄＥｎｇｉｎｅｅｒｉｎｇＳａｆｅｔｙ，ＨｏｈａｉＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１００９８，Ｃｈｉｎａ；３．ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＨｙｄｒｏｌｏｇｙ－ｗａｔｅｒＲｅｓｏｕｒｃｅｓａｎｄＨｙｄｒａｕｌｉｃＥｎｇｉｎｅｅｒｉｎｇ，ＨｏｈａｉＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１００９８，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｐｅｎａｌｔｙｆａｃｔｏｒａｎｄｔｈｅｓｅｌｅｃｔｉｏｎｏ

4、ｆｋｅｒｎｅｌｆｕｎｃｔｉｏｎｐａｒａｍｅｔｅｒｓｆｏｒｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ（ＳＶＭ）ｒｅｇｒｅｓｓｉｏｎｍｏｄｅｌｆｉｔｔｉｎｇａｎｄｆｏｒｅｃａｓｔｐｒｅｃｉｓｉｏｎｉｓｃｒｕｃｉａｌ．ＩｎｏｒｄｅｒｔｏｏｖｅｒｃｏｍｅｔｈｅＳＶＭｍｏｄｅｌ＇ｓｄｅｆｅｃｔｓｏｆｌｏｃａｌｏｐｔｉｍａｌｐｏｉｎｔｓ，ｍｉｘｅｄｃｕｃｋｏｏｓｅａｒｃｈａｌｇｏ－ｒｉｔｈｍｉｓｐｕｔｆｏｒｗａｒｄｂａｓｅｄｏｎｇａｕｓｓｐｅｒｔｕｒｂａｔｉｏｎ（ＧＣＳ）．ＧＣＳ－ｎｏｎｌｉｎｅａｒＳＶＭｍｏｄｅｌｓｕｓｅｄｉｎｄａｍｄｅｆｏｒｍａｔｉｏｎｍｏｎｉｔｏｒｉｎｇｅａｒｌｙｗ

5、ａｒｎｉｎｇａｒｅｐｕｔｆｏｒｗａｒｄ．ＴｈｅａｎａｌｙｓｉｓｓｈｏｗｓｔｈａｔｃｏｍｐａｒｅｄｗｉｔｈＳＶＭｍｏｄｅｌ，ＧＣＳ，ｔｈｅｐｒｅｄｉｃｔｉｖｅｐｒｅｃｉｓｉｏｎａｎｄｇｅｎｅｒａｌｉｚａｔｉｏｎａｂｉｌｉ－ｔｙｏｆＳＶＭｍｏｄｅｌｈａｓａｃｅｒｔａｉｎｄｅｇｒｅｅｏｆｉｍｐｒｏｖｅｍｅｎｔ．Ｋｅｙｗｏｒｄｓ：ｇａｕｓｓｐｅｒｔｕｒｂａｔｉｏｎ；ｃｕｃｋｏｏｓｅａｒｃｈａｌｇｏｒｉｔｈｍ；ｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ；ｅａｒｌｙ－ｗａｒｎｉｎｇｍｏｄｅｌ模型的适用范围和拟合预测精度。ＳＶＭ模型是一种建立在统０引言［３］计学分析原理上的新型小样本机器学

6、习方法。研究表明，该建立大坝原型观测预警模型一直是大坝安全预警的研究模型对高维数、小样本问题的解决效果良好，且泛化能力优异。［１］。在使用过程中，常用的监测模型有多元逐步回归模重点ＳＶＭ模型预测精度的影响因素主要有惩罚因子ｃ和核函数参［２］。多元逐步回数σ，所以惩罚因子和核函数参数的选择对支持向量机模型的型、神经网络模型、支持向量机（ＳＶＭ）模型等归模型的缺陷为只适用于数据样本充分的情况，ＢＰ神经网络建立至关重要。布谷鸟搜索算法（ＣｕｃｋｏｏＳｅａｒｃｈ，ＣＳ）是一种模型易出现过拟合和收敛过慢的不利现象，以至于限制了以上新型的仿生学算法，该算法依据布谷鸟特殊的存窝产子方式而

7、概括出的。该算法虽具有控制参数少、全局寻优能力强等优［４］。为此本文点，但是在计算后期易出现搜索速度过慢的现象收稿日期：２０１４－０８－１４基金项目：国家自然科学基金重点项目（４１３２３００１）；新世纪优秀人提出基于高斯扰动的布谷鸟搜索算法（ＧＣＳ），该算法具有简才支持计划资助项目（ＮＣＥＴ－１１－０６２８）；高等学校博士单、高效、在概率选择和适应度的确定上具有自适应性和鲁棒学科点专项科研基金项目（２０１２００９４１１０００５）；中央高校性等优点。基本科研业务费项目（２０１２Ｂ０７２１４）。１支持向量机作者简介：屠