基于SVM-ARIMA的大坝变形预测模型

被引：7

作者：

沈寿亮 ^{[1
,2
,3
]}

刘天祥 ^{[1
,2
,3
]}

宋锦焘 ^{[1
,2
,3
]}

姜彦作 ^{[1
,2
,3
]}

梁睿斌 ^{[1
,2
,3
]}

机构：

[1] 河海大学水文水资源与水利工程科学国家重点实验室

[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

[3] 河海大学水利水电学院

来源：

人民黄河 | 2014年 / 36卷 / 05期

关键词：

大坝变形; 预测模型; 支持向量机; ARIMA;

D O I：

暂无

中图分类号：

TV698.1 [水工建筑物的监测与原型观测];

学科分类号：

摘要：

大坝变形的实测值序列是一个非线性、非平稳的时间序列,支持向量机引入核函数后能有效解决非线性问题,因此可用支持向量机对大坝变形进行预测。为了提高预测精度,进一步对残差序列进行分析,通过ARIMA模型对残差序列进行预测,建立了SVM-ARIMA组合模型。将大坝变形时间序列分为趋势项和误差项,分别用SVM和ARIMA模型进行预测,综合两项结果得到模型的预测值。结合实测资料对模型进行检验,结果表明组合模型精度较高。

引用

页码：99 / 101

页数：3

共 7 条

[1] 大坝与坝基安全监控理论和方法及其应用[M]. 河海大学出版社 , 顾冲时, 2006
[2] 基于支持向量机的大坝变形预测研究[D]. 翟信德.合肥工业大学 2007
[3] ARMA相关模型及其应用[D]. 安潇潇.燕山大学 2008
[4] ARIMA与SVM组合模型的石油价格预测
吴虹
尹华
[J]. 计算机仿真, 2010, 27 (05) : 264 - 266+326
[5] 基于ARIMA-ANN的大坝安全监控模型
王锋
苏怀智
荆凯
[J]. 武汉大学学报(工学版), 2010, 43 (05) : 585 - 588
[6] A study of safety evaluation and early-warning method for dam global behavior. Huaizhi, S.U.,Jiang, H.U.,Zhongru, W.U. Structural Health Monitoring . 2012
[7] Study on an Intelligent Inference Engine in Early-Warning System of Dam Health. Huaizhi Su,Zhiping Wen,Zhongru Wu. Water Resources . 2011

← 1 →