董 明 陈慧艳 伏 晓 朱世贤

(1. 河海大学 港口海岸与近海工程学院， 南京 210098； 2. 大唐环境产业集团股份有限公司 大唐(北京)水务工程技术有限公司， 北京 100097； 3. 河海大学 水利水电学院， 南京 210098)

基于人工蜂群算法的大坝变形支持向量机预测模型

董 明1陈慧艳2伏 晓3朱世贤3

(1. 河海大学 港口海岸与近海工程学院， 南京 210098； 2. 大唐环境产业集团股份有限公司 大唐(北京)水务工程技术有限公司， 北京 100097； 3. 河海大学 水利水电学院， 南京 210098)

为了解决支持向量机(SVM)参数优化方法在大坝变形预测中易陷入局部最优解的问题，利用人工蜂群(ABC)算法的强全局优化能力、强鲁棒性特点，将人工蜂群(ABC)算法运用到SVM参数优化中．将惩罚因子C和核函数σ作为ABC算法中的蜜源位置进行寻优，并运用到大坝的变形监测中．结果表明，基于人工蜂群算法的大坝变形支持向量机预测模型能够克服局部最优解，提升模型的拟合与预测精度．

大坝变形； 预测模型； 蜂群(ABC)算法； 支持向量机(SVM)

大坝在运行过程中受到巨大荷载，存在着极为复杂的工作条件．因此，对大坝进行监控与评测有着重要的意义[1-2]．目前，大坝变形预测模型主要有支持向量机(SVM)，相关向量机(RVM)、BP神经网络模型、统计模型等[3]．各种预测模型有其不同的优缺点，支持向量机(SVM)具有很好的泛化能力，对于解决高维、非线性问题可以用核函数代替内积计算，从而取得较好效果．苏怀智[4]建立了支持向量机预警模型，能够很好地捕获到大坝工作过程中的非线性动力学特性，在拟合和预测应用中得到了很好的结果；……