首页|基于BBO-SVM的大坝变形预测模型与性能验证

基于BBO-SVM的大坝变形预测模型与性能验证

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对大坝监测数据小样本、高维度和非线性的特点,引入支持向量机(SVM)机器学习方法,采用生物地理学优化算法(BBO)优化其惩罚因子c和核函数参数g,建立了基于BBO-SVM的大坝变形预测模型.结合2011-2016年水口大坝4个测点共900组环境量与效应量监测数据,对模型预测性能进行了验证,并将预测结果与SVM、PSO-SVM和ABC-SVM大坝变形预测模型进行对比.结果 表明:文中提出的BBO-SVM模型不仅预测精度高,且稳定性更好,4个测点的均方根误差分别达到了0.332 0、0.473 5、0.405 7、0.222 8,拟合优度分别达到了0.910 4、0.961 0、0.962 4、0.956 9.本研究可提高大坝安全监测成果利用,对于大坝健康状态预测评估具有一定的工程指导意义.
BBO-SVM-based dam deformation prediction model and its performance verification

刘志、刘泽、杨金辉、高培培、朱光华、胡少华

展开 >

武汉理工大学安全科学与应急管理学院,湖北武汉 430070

南京水利科学研究院,江苏南京210024

福建省水利水电勘测设计研究院,福建福州 350001

国家大坝安全工程技术研究中心,湖北武汉430010

展开 >

大坝变形 预测模型 BBO-SVM 预测性能

国家自然科学基金青年基金国家大坝安全工程技术研究中心开放基金

51609184CX2019B014

2020

10.13928/j.cnki.wrahe.2020.08.008

水利水电技术(中英文)
水利部发展研究中心

水利水电技术(中英文)

CSTPCD北大核心
影响因子：0.456
ISSN：1000-0860
年,卷(期)：2020.51(8)
  • 13
  • 12