土石坝渗流安全监测的遗传支持向量机方法

被引：23

作者：

司春棣

练继建

郑杨

机构：

[1] 天津大学建筑工程学院

来源：

水利学报 | 2007年 / 11期

关键词：

土石坝; 渗流安全监测; 支持向量机; 遗传算法;

D O I：

10.13243/j.cnki.slxb.2007.11.001

中图分类号：

TV698.12 [];

学科分类号：

081504 ;

摘要：

为了有效地根据土石坝地原型观测资料来分析坝体和坝基中存在的渗流问题,本文在对建模因子进行分析的基础上,充分利用支持向量机的结构风险最小化原则和遗传算法快速全局优化的特点,通过支持向量机模型对非线性监测数据进行拟合,并利用遗传算法优化支持向量机的模型参数,建立了基于GA-SVM的土石坝渗流监测模型。实例分析表明,该模型与传统的多元线性回归模型和神经网络模型相比,具有预测精度高、泛化能力强等优点,对土石坝安全监控具有实用价值。

引用

页码：1341 / 1346

页数：6

共 12 条

[1] Asymptotic behaviors of support vector machines with Gaussian kernel [J].

Keerthi, SS ;

Lin, CJ .

NEURAL COMPUTATION, 2003, 15 (07) :1667-1689

[2]

数据挖掘中的新方法.[M].邓乃扬;田英杰著;.科学出版社.2004,

[3]

科学运算语言MATLAB 5.3程序设计与应用.[M].薛定宇编著;.清华大学出版社.2000,

[4]

遗传算法与工程设计.[M].(日)玄光男;程润伟著;汪定伟等译;.科学出版社.2000,

[5]

MATLAB神经网络应用设计.[M].闻新等编著;.科学出版社.2000,

[6]

统计学习理论的本质.[M].(美)VladimirN.Vapnik著;张学工译;.清华大学出版社.2000,

[7]

大坝安全监测.[M].李珍照主编;.中国电力出版社.1997,

[8]

水工建筑物安全监控理论及其应用.[M].吴中如等著;.河海大学出版社.1990,

[9] 支持向量机在围岩稳定性分类中的应用 [J].

赖永标 ;

乔春生 ;

刘开云 ;

朱正国 .

水利学报, 2006, (09) :1092-1096

[10] 支持向量机分类器中几个问题的研究 [J].

朱永生 ;

张优云 ;

不详 .

计算机工程与应用 , 2003, (13) :36-38

← 1 2 →