李瑞光 臧国轻

摘 要： 为解决土石坝渗流监测数据的分析问题，采用基于主成分分析的支持向量机法，对某均质坝体内渗流浸润线的监测数据建立了预测模型，并针对坝体内的测压管水位进行了具体计算预测。结果表明，主成分分析法可以有效降维，并较好的综合反映坝体内测压管水位的主要影响因素；预测值与实测值的误差分析结果表明，支持向量机模型在小样本坝体监测数据分析预测方面的精度较高，该模型可为其他类似工程监测数据的分析预测提供新的方法。

关键词： 支持向量机； 坝体监测； 主成分分析； 预测模型

中图分类号：TP301.6 文献标志码：A 文章编号：1006-8228（2018）06-05-04

Prediction model of dam seepage monitoring data with principal component analysis

based support vector machine

Li Ruiguang1， Zang Guoqing2

（1. Foreign Language Teaching Department of University， Henan University， Kaifeng， Henan 475001， China； 2. Henan University）

Abstract： Adopting the principal component analysis based support vector machine method， a predictive analysis model of dam monitoring is established， and applied to dam seepage monitoring. The piezometric level in a dam is also forecasted by this model. The comparison of measured results with predicted results shows that the principal component analysis method can decrease the dimensions of measured result effectively， and better reflects major effect factors of piezometric level in dam. Error analysis of the model shows that the support vector machine method has higher forecast precision in small samples， it provides a new way of forecasting seepage monitoring of dam， and the model offers a useful reference for other similar project as well.

Key words： support vector machine； dam monitoring； principal component analysis； predictive model

0 引言

中国水库的建设数量在所有国家中位居前列，这些工程建成之后对水库和坝体进行有效的运行管理和安全监测显得尤为重要。在这一环节，对坝体安全监测数据的处理和预报是一个非常重要的研究领域，也是近年来飞速发展的科研方向[1]。

对于土石坝来说，坝体渗流的监测是关系坝体安全极其重要的内容，本文以某土石坝的渗流监测为切入点，尝试将有限的监测资料与数学方法结合，建立影响渗流的变量之间的内在关系，并将其应用在坝体渗流监测的预测预报方面。目前国内外对坝体监测数据的分析与预报研究，采取了很多种数学模型与方法，也针对不同的模型开发了相应的软件系统[2]。较为传统的监控分析模型和系统基本都是以单点的……