改进支持向量机在大坝变形预测中的应用研究

摘要

大坝变形贯穿于大坝整个施工过程和后期的运营过程之中。大坝变形量一旦超出坝身所能承受的最大变形量时，就可能会导致灾害的发生。如果能对大坝变形做出准确预测就可以减少灾害发生的概率。然而，目前国内常见的预测方法存在一些不足导致预测精度不高，所以如何快速准确地预测大坝变形具有重大意义。论文所做研究工作主要如下：
　　首先，论文阐述了大坝变形预测的研究背景意义以及国内外研究现况，针对目前国内大坝变形预测方法存在的不足之处，提出了采用基于基因表达式编程方法的改进支持向量机对大坝变形进行预测与分析。
　　其次，本文利用小波分析方法对原始数据进行预处理。通过 Matlab2012b开发工具平台，设计相关代码与程序对原始观测数据进行去噪处理；利用基因表达式编程算法强大的全局搜索能力寻找出支持向量机的最佳参数组合，建立经基因表达式编程优化的支持向量机大坝变形预测模型。
　　最后，利用改进支持向量机大坝变形预测模型对云南省某大坝升船机监测数据进行预测应用，结果表明改进支持向量机大坝变形预测模型比传统支持向量机大坝变形预测模型得出的预测结果的精度提高了近3倍，从而说明基于基因表达式编程的改进支持向量机的预测模型在大坝变形预测中具有良好的预测效果。

目录

封面

中文摘要

英文摘要

目录

第一章 绪论

1 .1研究背景及意义

1 .2.国内外研究现状

1 .3研究内容及技术路线

1 .4论文章节安排

第二章 大坝变形监测及变形数据预处理

2 .1大坝变形监测

2 .2大坝变形监测数据预处理

第三章 统计学习理论和SVM理论基础

3 .1统计学习理论

3 .2SVM理论

第四章 改进SVM大坝变形预测模型的构建

4 .1GEP算法

4 .2基于GEP算法的改进SVM模型设计

第五章 大坝变形预测应用分析

5 .1项目概况

5 .2改进SVM在大坝变形预测中的应用

5 .3传统SVM在大坝变形预测中的应用

5 .4预测结果比较与分析

第六章 总结与展望

6 .1总结

6 .2展望

参考文献

致谢

攻读学位期间的研究成果

声明