摘要
建立有效的大坝变形监测模型可以反映大坝运行情况.相关向量机(RVM)具有良好的泛化能力,且适于解决非线性问题,尤其是高维数情况.在RVM理论的基础上,建立大坝变形监测模型,并以此研究其优化改进模型.改进思路如下:利用马尔科夫链适于解决监测数据波动大的优势处理模型残差;同时如何选择核参数会严重影响RVM模型的精度,采用一种改进的粒子群算法寻优核参数.通过实例比较多种优化模型发现,基于RVM理论建立模型的优化方法可大大提高预测的泛化能力及精度.
Establishing an effective dam deformation monitoring model can reflect the operation of the dam. The relevance vector machine （RVM） has good generalization ability, and can solve high-dimensional non- linear problem effectively. This paper builds a dam deformation monitoring model based on RVM theory, and puts forward optimization models. Markov chain model is suitable for large fluctuations, so we deal with model residual using Markov chain, and how to choose kernel parameter affecting RVM model great- ly. In this paper, the choice of kernel parameter is based on an improved optimization of algorithm of PSO. Comparing with different optimization models through case stady, we could find that the optimization mod- els can greatly improve the generalization ability and prediction accuracy.
出处
《武汉大学学报（工学版）》
CAS
CSCD
北大核心
2015年第5期652-657,共6页
Engineering Journal of Wuhan University
基金
国家自然科学基金重点项目(编号:41323001
51139001)
国家自然科学基金面上项目(编号:51379068
51179066)
国家自然科学基金项目(编号:51279052
51209077)
高等学校博士学科点专项科研基金(编号:20120094110005
20120094130003
20130094110010)
新世纪优秀人才支持计划资助(编号:NCET-11-0628
NCET-10-0359)
水利部公益性行业科研专项经费项目(编号:201201038
201301061)
江苏省杰出青年基金项目(编号:BK2012036)
江苏省第四期"333工程"培养资金资助项目(编号:BRA2011179
BRA2011145)
江苏高校优势学科建设工程资助项目(水利工程)(编号:YS11001)
江苏省"六大人才高峰"项目(编号:JY-008)
江苏省"333高层次人才培养工程"科研项目(编号:2017-B08037
2016-B1307101)
关键词
大坝变形监测模型
相关向量机
马尔科夫链
粒子群优化算法
monitoring model for dam deformation
relevance vector machine （RVM）
Markov chainl op-timization of algorithm of PSO
