APP下载

基于小波分解和支持向量机的大坝位移监控模型

2016-12-01姜振翔徐镇凯魏博文

长江科学院院报 2016年1期
关键词:信号模型系统

姜振翔,徐镇凯,魏博文

(南昌大学 建筑工程学院,南昌 330031)



基于小波分解和支持向量机的大坝位移监控模型

姜振翔,徐镇凯,魏博文

(南昌大学 建筑工程学院,南昌 330031)

常规大坝安全监控统计模型未能分别针对监测序列值内系统信号和随机信号特点进行模拟,故预报精度存在一定的提升空间。基于小波分解技术,利用监测序列值信号频率特征分离出系统信号与随机信号,并结合逐步回归与支持向量机(SVM)对不同信号的处理优势,在引入网格寻优与交叉验证确定SVM敏感参数的基础上,提出了一种基于多元统计结合小波分解和支持向量机的大坝位移监控模型,同时编制了其相应的计算程序。工程算例表明,该模型较常规模型能够同时考虑监测序列中的系统信号和随机信号,并且具有较强的模型寻优能力和更高的预报精度,从而验证了所建模型的有效性,该方法亦可推广应用于高边坡及大坝其他预警指标的监控。

大坝位移;小波分解;参数寻优;支持向量机;监控模型

1 研究背景

建立有效的安全监控模型是保障大坝运行安全的关键因素之一[1],而现行常规统计模型难以区分原始监测数据中同时存在变化相对平稳的系统信号与变化相对剧烈的随机信号[2]。故采用单一的线性方程[3-4]难以表达出随机信号的不规则变化,导致欠拟合[5];而采用单一的机器学习[6- 7]算法建模时,则会忽视水位、温度、时效等因素与系统信号间的线性关系,导致模型的泛化能力差[8],从而影响预报精度。……

登录APP查看全文

猜你喜欢

信号模型系统
一半模型
Smartflower POP 一体式光伏系统
信号
WJ-700无人机系统
ZC系列无人机遥感系统
完形填空二则
重尾非线性自回归模型自加权M-估计的渐近分布
基于FPGA的多功能信号发生器的设计
连通与提升系统的最后一块拼图 Audiolab 傲立 M-DAC mini
3D打印中的模型分割与打包