混凝土坝安全监控最小二乘支持向量机模型

doi:10.3969/j.issn.1001-5485.2013.05.08

院报 ›› 2013, Vol. 30 ›› Issue (5): 34-37.DOI: 10.3969/j.issn.1001-5485.2013.05.08

混凝土坝安全监控最小二乘支持向量机模型

肖浩波¹,谷艳昌^2,3

1.长江水利委员会长江勘测规划设计研究院,武汉 430010;2.南京水利科学研究院,南京 210029;3.水利部大坝安全管理中心,南京 210029

收稿日期:2012-05-07 修回日期:2013-04-28 出版日期:2013-04-28 发布日期:2013-04-28
通讯作者: 谷艳昌（1980-），河南开封人，高级工程师，博士，主要从事大坝安全管理方面的研究工作，（电话）025-85828185（电子信箱）g_ruby@126.com。
作者简介:肖浩波（1979-）,男,湖北孝感人,工程师,硕士,主要从事水利工程结构设计及研究工作,（电话）027-82829218（电子信箱）xhaobo99@163.com。
基金资助:
国家自然科学（青年）基金项目（51209143）；江苏省基础研究计划（自然科学基金）项目（BK2010125）；南京水利科学研究院中央级公益性科研院所基本科研业务费专项资金（重点）项目（Y711008）

Monitoring Model for Concrete Dam Safety Using Least Square Support Vector Machine

XIAO Hao-bo¹,GU Yan-chang^2,3

1. Changjiang Institute of Survey Planning Design and Research, Changjiang Water Resources Commission,Wuhan 430010,China; 2.Nanjing Hydraulic Research Institute, Nanjing 210029, China;3.Dam Safety Management Center of the Ministry of Water Resources, Nanjing 210029, China

Received:2012-05-07 Revised:2013-04-28 Online:2013-04-28 Published:2013-04-28

摘要/Abstract

摘要： 传统的混凝土坝安全监控模型难以精确反映大坝变形的非线性变化规律，一定程度上影响模型的预测效果。基于统计学习理论的支持向量机，采用结构风险最小化准则，具有结构简单、理论完备、适应性强、全局优化、训练时间短、泛化性能好等优点。将最小二乘支持向量机应用于大坝安全监控领域，建立了混凝土坝的支持向量机监控模型。工程案例证明，该模型精度较高，具有广泛的实用性。

关键词: 混凝土坝 , 最小二乘 , 支持向量机 , 监控模型

Abstract: Traditional safety monitoring model cannot accurately reflect the nonlinear variation of dam deformation,hence affecting the forecast result. The support vector machine is based on the statistical learning theory and adopts the structural risk minimization principle which has advantages of simple structure,complete theory,good adaptability,global optimization,short training time,and good generalization performance. Least square support vector machine (LS-SVM) was applied to concrete dam safety monitoring,and a corresponding monitoring model was built. Engineering cases prove that the model is of high precision and practicality.

Key words: concrete dam , least square , support vector machine , monitoring model

中图分类号:

TV698.1

肖浩波,谷艳昌. 混凝土坝安全监控最小二乘支持向量机模型[J]. 院报, 2013, 30(5): 34-37.

XIAO Hao-bo,GU Yan-chang. Monitoring Model for Concrete Dam Safety Using Least Square Support Vector Machine[J]. JOURNAL OF YANGTZE RIVER SCIENTIFIC RESEARCH INSTI, 2013, 30(5): 34-37.

[1]	陈光耀, 汪明武, 金菊良. 基于CMFOA-SVM的边坡稳定性评价模型[J]. 院报, 2023, 40(2): 95-101.
[2]	王伟, 邹丽芳, 周倩瑶, 姜宇航, 陈鸿杰, 徐卫亚. 大华滑坡位移预测模型研究[J]. 院报, 2022, 39(9): 56-64.
[3]	曹恩华, 包腾飞, 胡绍沛, 袁荣耀, 鄢涛. 基于变量筛选优化极限学习机的混凝土坝变形预测模型[J]. 院报, 2022, 39(7): 59-65.
[4]	刘颖, 郑荣伟, 齐艳芳, 陈宏彩. 基于SVMs-GA模型的微灌系统管网优化设计[J]. 院报, 2022, 39(5): 71-75.
[5]	徐丛, 王少伟, 刘毅, 隋旭鹏. 考虑黏弹性滞后效应的拱坝位移监控组合模型[J]. 院报, 2022, 39(3): 67-72.
[6]	王发强, 付湘, 秦嘉楠. 唐白河流域用水量效益函数计算[J]. 院报, 2022, 39(1): 32-38.
[7]	冯文凯, 曾唯恐, 程柯力, 易小宇, 焦隆新. 基于三维点云的结构面产状获取方法研究[J]. 院报, 2021, 38(9): 128-132.
[8]	李宗坤, 王特, 葛巍, 郑艳. 基于动态贝叶斯网络的混凝土坝失事风险分析[J]. 院报, 2021, 38(5): 137-143.
[9]	陈良捷, 魏博文, 喻俊豪, 罗绍杨, 毛颖. 基于多尺度自回归模型体系的混凝土坝位移预报及工程应用[J]. 院报, 2021, 38(12): 82-90.
[10]	胡江, 王春红, 马福恒. 特高拱坝运行初期变形预测模型温度因子选取方法[J]. 院报, 2021, 38(1): 59-65.
[11]	董陇军, 张凌云. 岩石破坏声发射b值的误差分析[J]. 院报, 2020, 37(8): 75-81.
[12]	邢岳, 田正宏, 杜辉. 碾压混凝土坝层间结合质量智能评价方法[J]. 院报, 2020, 37(8): 142-149.
[13]	王少伟, 包腾飞. 渗透溶蚀对高混凝土坝长期变形影响的数值分析[J]. 院报, 2020, 37(6): 62-69.
[14]	李应求, 周姬, 周学忠. 基于Box-Cox变换的水位流量关系拟合[J]. 院报, 2020, 37(1): 18-21.
[15]	邬凯,杨雪莲,李佳. 基于DE-LSSVM的地下洞室群支护参数智能优化[J]. 院报, 2019, 36(9): 115-120.

混凝土坝安全监控最小二乘支持向量机模型

Monitoring Model for Concrete Dam Safety Using Least Square Support Vector Machine

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐

Metrics

本文评价