沈哲辉，张安银，司 聪，沈月千

(1.江苏省地质工程勘察院，江苏 南京 211102；2.河海大学 地球科学与工程学院，江苏 南京 211100)

两种不同的SVM建模方法在大坝变形预测中的应用

沈哲辉1，张安银1，司 聪1，沈月千2

(1.江苏省地质工程勘察院，江苏 南京 211102；2.河海大学 地球科学与工程学院，江苏 南京 211100)

用支持向量机对大坝变形监测数据建模分析和预测一般有两种方法：一是仅用大坝的变形数据作为输入端和输出端，构建支持向量机模型；二是用温度、水压等大坝变形的影响因子作为输入端，大坝变形数据作为输出端，构建支持向量机模型。两种建模方法比较研究鲜有讨论，文中用这两种建模方法对福建省某一大坝进行建模预测。结果表明，第二种方法建模预测速度更快，预测精度更高。

支持向量机(SVM)；变形影响因子；变形量；建模方法；预测

对大坝的变形数据进行分析是非常必要的。支持向量机基于结构风险最小化原则能有效解决基于经验风险最小化的神经网络难以解决的过学习现象以及陷入局部最优，从而大大增强了支持向量机的推广泛化能力[1]。近年来随着机器学习理论的不断发展和完善，支持向量机在大坝变形预测领域应用已非常广泛，并且取得了较好的预测结果，但大坝变形预测的支持向量机模型的不同建模方法之间对比甚少。概括起来，用支持向量机对大坝变形数据的建模方法一般有两种：①仅用大坝的变形数据作为输入端和输出端，构建支持向量机模型，以文献[2]为例。……