本文關鍵詞： 變形預測 小波去噪 灰色模型 最小二乘支持向量機 粒子群算法　出處：《測繪科學》2017年10期 　論文類型：期刊論文

【摘要】：針對變形監(jiān)測數(shù)據(jù)的隨機性和非平穩(wěn)性,以及單一預測模型的不足,該文提出了基于小波去噪的灰色最小二乘支持向量機變形預測模型。采用小波去噪對原始數(shù)據(jù)進行降噪處理,減弱數(shù)據(jù)隨機擾動的影響,建立灰色最小二乘支持向量機模型,并采用粒子群算法尋找最優(yōu)參數(shù)。通過大壩位移監(jiān)測數(shù)據(jù)實例對模型進行驗證,并與灰色模型、最小二乘支持向量機以及灰色最小二乘支持向量機進行對比分析。實驗結(jié)果證明,該模型預測精度更高、穩(wěn)定性更強。
[Abstract]:In view of the randomness and non-stationarity of deformation monitoring data, as well as the shortcomings of single prediction model, This paper presents a grey least squares support vector machine (LS-SVM) deformation prediction model based on wavelet denoising. Wavelet denoising is used to reduce the noise of the original data, and the influence of random disturbance of the data is reduced, and the grey least-squares support vector machine model is established. The particle swarm optimization algorithm is used to find the optimal parameters. The model is verified by the dam displacement monitoring data and compared with the grey model. The experimental results show that the prediction accuracy and stability of the model are higher than those of grey least squares support vector machine.
【作者單位】： 遼寧工程技術大學測繪與地理科學學院;遼寧工程技術大學外國語學院;
【基金】：國家自然科學基金項目(50604009) 遼寧省“百千萬人才工程”人選資助項目(2010921099)
【分類號】：TP18;TV698.11

【相似文獻】

相關期刊論文 前10條

1 盧敏;張展羽;馮寶平;賈仁輔;;基于支持向量機的區(qū)域水安全預警模型及應用[J];計算機工程;2006年15期

2 任永泰;李麗;;基于綜合模擬法與支持向量機的水資源預警分析[J];數(shù)學的實踐與認識;2012年02期

3 張靈;翁毅;陳曉宏;;基于支持向量機的防洪脆弱性評價模型研究[J];人民長江;2009年24期

4 盧敏,張展羽;基于支持向量機的水資源可持續(xù)利用評價[J];水電能源科學;2005年05期

5 路亮;張愛軍;;最小二乘支持向量機模型在大壩監(jiān)測中的應用[J];人民黃河;2013年11期

6 牛海軍;蔡春;;水資源短缺風險的支持向量機應用研究[J];遼寧科技學院學報;2013年04期

7 倪遠臣;;基于支持向量機的東港市降水量預測模型研究[J];陜西水利;2014年02期

8 孫傳文;鐘平安;萬新宇;王玉華;;考慮季節(jié)因子的支持向量機徑流預測模型[J];中國農(nóng)村水利水電;2014年04期

9 李波;徐寶松;武金坤;胡江;徐光磊;;基于最小二乘支持向量機的大壩力學參數(shù)反演[J];巖土工程學報;2008年11期

10 衛(wèi)太祥;馬光文;黃煒斌;;基于懲罰加權支持向量機回歸的徑流預測模型[J];水力發(fā)電學報;2012年06期

相關會議論文 前2條

1 于國榮;夏自強;;支持向量機的混沌序列預測模型及在徑流中應用[A];2007重大水利水電科技前沿院士論壇暨首屆中國水利博士論壇論文集[C];2007年

2 梁雪春;龔艷冰;;基于支持向量機的水資源可再生能力綜合評價方法[A];江蘇省系統(tǒng)工程學會第十一屆學術年會論文集[C];2009年

相關博士學位論文 前1條

1 周葉;基于新異類檢測和支持向量機的水電機組診斷技術研究[D];中國水利水電科學研究院;2015年

相關碩士學位論文 前6條

1 王學明;基于支持向量機方法的工程圍巖變形預測研究[D];東北大學;2009年

2 姜仁輝;設計與實現(xiàn)基于支持向量機的水電故障分類器[D];吉林大學;2008年

3 韓敘東;基于支持向量機的水電故障分類器的設計與實現(xiàn)[D];東北大學;2008年

4 劉子介;基于事例推理和支持向量機理論的水電廠事故處理系統(tǒng)[D];西安理工大學;2006年

5 崔慶;最小二乘支持向量機模型的改進及其在徑流預報中的應用[D];西北農(nóng)林科技大學;2013年

6 黃戈;基于最小二乘支持向量機的水輪發(fā)電機組振動故障診斷方法研究[D];西安理工大學;2009年

，

本文編號：1504910