隨著水利工程的不斷發(fā)展,機組、水流等與結構的耦合作用導致的水工結構振動問題已引起人們的重視,威脅了水工結構的安全運行。依據(jù)結構振動的歷史數(shù)據(jù)來對不同位置結構振動狀態(tài)以及未來振動趨勢進行預測,使用更少的觀測數(shù)據(jù),以實現(xiàn)全面了解和控制水工結構振動情況已經(jīng)成為水工安全領域一新的研究熱點。本文采用不同種類的智能優(yōu)化算法對SVM算法進行改進,構建優(yōu)化的智能預測模型,以觀測的實際振動數(shù)據(jù)為依據(jù),利用模型處理非線性數(shù)據(jù)的能力,映射出預測結構的振動響應特征,從而實現(xiàn)對缺少監(jiān)測數(shù)據(jù)的結構或監(jiān)測部位的未來振動趨勢進行預測的目的。本文所做的主要工作和得到的結論如下:1、研究了機器學習的相關理論,介紹了建立在統(tǒng)計學習理論基礎上的SVM基本原理和SVM的優(yōu)缺點,并且介紹了SVM目前的發(fā)展狀況和在水工結構振動預測領域中的應用。2、結合工程實例中原型梯級泵站機組和管道運行的實測數(shù)據(jù),運用PSO算法優(yōu)化SVM的核函數(shù)關鍵參數(shù)及懲罰因子,建立了PSO-SVM振動預測模型,并建立BP神經(jīng)網(wǎng)絡振動預測模型予以對比,來預測不同位置的結構振動狀況,并用不同指標對建立的PSO-SVM和BP神經(jīng)網(wǎng)絡模型結果進行評價。預測結果表明:... 

【文章來源】：華北水利水電大學河南省

【文章頁數(shù)】：76 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 課題研究背景
    1.2 水工結構振動和預測方法研究現(xiàn)狀
    1.3 振動預測方法總結
    1.4 本文主要工作
2 支持向量機的基本理論
    2.1 統(tǒng)計學習基本理論
        2.1.1 機器學習
        2.1.2 VC維
        2.1.3 推廣性界理論
        2.1.4 結構風險最小化原則
    2.2 分類支持向量機理論
        2.2.1 線性支持向量分類機
        2.2.2 非線性支持向量分類機
    2.3 回歸支持向量機理論
        2.3.1 線性支持向量回歸機
        2.3.2 非線性支持向量回歸機
    2.4 支持向量機模型的建立
    2.5 SVM在水工領域中的應用
    2.6 本章小結
3 機組振動引發(fā)管道結構振動響應預測研究
    3.1 粒子群優(yōu)化算法基本理論
    3.2 PSO-SVM模型
    3.3 工程實例
        3.3.1 拾振器的選型與布置
        3.3.2 機組和管道振動響應關系
        3.3.3 PSO-SVM模型的建立
        3.3.4 預測結果及對比
    3.4 本章小結
4 泄流誘發(fā)壩體結構振動趨勢預測
    4.1 變分模態(tài)分解理論
        4.1.1 VMD基本原理
        4.1.2 VMD方法的仿真分析
    4.2 VMD-SVR模型
    4.3 工程實例
        4.3.1 拾振器的布置及振動數(shù)據(jù)的選取
        4.3.2 VMD分解結果
        4.3.3 VMD-SVR模型預測結果及對比
    4.4 本章小結
5 結論與展望
    5.1 結論
    5.2 工作展望
攻讀學位期間參加的科研項目及發(fā)表的學術論文
致謝
參考文獻



本文編號：3194676