基于遗传算法的LIBSVM模型大坝扬压力预测研究

摘要

坝身孔隙水压力和坝基扬压力是大坝渗透压力监测的两个方面，因此，坝基扬压力的监测资料分析对于研究大坝的稳定和耐久性、监视大坝的安全、了解大坝的渗流状态、预测大坝的运行情况等都有重要的意义。支持向量机(SVM)模型的核心问题是惩罚因子c和核函数参数g的选取.通常支持向量机库工具箱(LIBSVM)采用传统网格搜索算法进行参数寻优,只能得到交叉验证意义下的全局最优解,在更大范围内进行参数寻优比较费时,且效率较低,针对这一问题,提出了基于遗传算法的启发式寻优,以交叉验证(CV)意义下的准确率为适应度,通过一系列的选择交叉变异操作,得到最优的c和g,将优化后的SVM模型应用于大坝扬压力的预测.通过某大坝扬压力监测的实例应用,发现基于遗传算法的LIBSVM向量机模型克服了传统LIBSVM网格搜索寻优的网格划分搜索，费时效率低的特点，利用遗传算法的启发式寻优，不必遍历网格所有参数点，也能找到全局最优解，提高了计算效率。对某混凝土坝的扬压力回归预测证明，LIBSVM回归预测模型具有较高的精度，预测扬压力序列的绝对误差控制在3%以内，具有一定的实际意义。