支持向量机模型在渗流监测中的应用

被引：10

作者：

张立君

刘先珊

机构：

[1] 三峡大学土木工程学院

[2] 武汉大学水资源与水电工程科学国家重点实验室

来源：

水电能源科学 | 2005年 / 01期

关键词：

渗流监测; 支持向量机; 非线性;

D O I：

暂无

中图分类号：

TV698.12 [];

学科分类号：

摘要：

提出了基于一种支持向量机 (SVM)的渗流监测方法。该方法采用结构风险最小化原则 ,能够在对小样本学习的基础上 ,对其他样本进行快速、准确的拟合预测 ,具有更好的泛化性能和精度 ,减少了对经验的依赖。在算例中 ,基于 SVM的非线性特点 ,根据土石坝的实测资料建立了渗流监测模型 ,为水头预报和安全监测奠定了基础

引用

页码：86 / 88+94 +94

页数：4

共 6 条

[1] 短期电力负荷预测的小波支持向量机方法研究 [J].

李元诚 ;

方廷健 ;

郑国祥 .

中国科学技术大学学报, 2003, (06) :99-105

[2] 支持向量机在地下水位预报中的应用研究 [J].

王景雷 ;

吴景社 ;

孙景生 ;

齐学斌 .

水利学报, 2003, (05) :122-128

[3] 基于支持向量机的数据库学习算法 [J].

田盛丰 ;

黄厚宽 .

计算机研究与发展, 2000, (01) :17-22

[4]

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,

[5]

多层前向人工神经网络.[M].赵林明等编著;.黄河水利出版社.1999,

[6]

渗流计算分析与控制.[M].毛昶熙主编;.水利电力出版社.1990,

← 1 →