首页|基于PSO的SVM-ARIMA大坝安全监控模型

基于PSO的SVM-ARIMA大坝安全监控模型

扫码查看
大坝监控过程中,大坝变形的实测值是一个非线性且非平稳的时间序列,支持向量机(SVM)适用于解决小样本、非线性问题,在SVM算法的基础上建立了改进的大坝变形监控模型,利用差分自回归移动平均模型(ARIMA)解决非平稳时间序列问题的优势,对SVM模型的残差进行处理,并采用粒子群算法(PSO)优化支持向量机(SVM)中的核函数.实例分析表明,优化后的组合模型预测结果可靠,且精度较SVM模型有所提高.
SVM-ARIMA Dam Safety Monitoring Model Based on Particle Swarm Optimization

黄梦婧、杨海浪

展开 >

河海大学 水利水电学院,江苏 南京210098

河海大学 水文水资源与水利工程科学国家重点实验室,江苏 南京210098

安徽水利水电职业技术学院,安徽 合肥231603

安徽省引江济淮工程有限责任公司,安徽 合肥230601

展开 >

支持向量机 粒子群算法 差分自回归移动平均模型 大坝变形 安全监控

国家自然科学基金重点项目国家自然科学基金重点项目高等学校博士学科点专项科研基金资助项目

511390015117906620130094110010

2018

人民黄河
水利部黄河水利委员会

人民黄河

CSTPCD北大核心
影响因子:0.494
ISSN:1000-1379
年,卷(期):2018.40(8)
  • 7
  • 4