基于PCA-SVR模型的大坝裂缝早期预报研究

被引：7

作者：

王泉 ^{[1
,2
,3
]}

郑东健 ^{[1
,2
,3
]}

范振东 ^{[1
,2
,3
]}

冯树荣 ^{[4
]}

肖峰 ^{[4
]}

机构：

[1] 河海大学水利水电学院

[2] 河海大学水文水资源与水利工程科学国家重点实验室

[3] 河海大学水资源高效利用与工程安全国家工程研究中心

[4] 中国电建集团中南勘测设计研究院有限公司

来源：

人民长江 | 2015年 / 05期

基金：

国家自然科学基金重点项目;

关键词：

裂缝开合度; PCA; SVR; 非线性; 预报模型;

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：

090811 [渔业经济与管理];

摘要：

支持向量机拟合模型(SVR)可用于大坝裂缝预报,但自变量间的多重相关性和输入变量的高维数对支持向量机拟合模型的精度影响较大。基于大坝裂缝开合度理论,利用主成份分析法(PCA)提取原样本信息缩减后的主成分作为SVR模型的输入量,构建了大坝裂缝开合度的早期预报PCA-SVR模型。将该模型应用于某大坝监控资料的分析中,与传统回归模型相比,PCA-SVR模型具有更高的计算精度和运算效率,并可提前预报裂缝开合度信息,能在实际工程中广泛应用。

引用

页码：35 / 38

页数：4

共 8 条

[1]

基于RS-BP融合的裂缝监控模型 [J].