论文摘要
传统的面板堆石坝渗流量监控模型难以精确反映渗流量的非线性变化规律,结合支持向量机和改进的粒子群算法,提出了AMPSO-SVM面板堆石坝渗流量监控模型.针对粒子群算法在SVM参数寻优过程中的不足,提出新的自适应粒子群优化算法（AMPSO）,采用平均粒子间距对惯性权重进行非线性调整,算法后期在速度更新公式中加入突变扰动,使粒子群保持良好的种群多样性,有效地避免陷入局部最优和过早收敛等问题.在某面板堆石坝的实际应用表明,该AMPSO-SVM监控模型具有简便、高效、拟合与预测精度高等优势,在渗流量监控中具有一定工程应用价值.
论文目录
文章来源
类型: 期刊论文
作者: 晏周,郑东健,张海龙,刘永涛
关键词: 面板堆石坝,渗流量监测,支持向量机,自适应粒子群算法,监控模型
来源: 三峡大学学报(自然科学版) 2019年06期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 水利水电工程
单位: 河海大学水文水资源与水利工程科学国家重点实验室,河海大学水利水电学院,河海大学水资源高效利用与工程安全国家工程研究中心,中国长江三峡集团有限公司
基金: 国家重点研发计划课题(2018YFC1508603),国家自然科学基金面上项目(51579085,51779086,51579086),国家重点实验室专项基金(20165042112),广西重点研发计划项目(桂科AB17195074)
分类号: TV698.11
DOI: 10.13393/j.cnki.issn.1672-948x.2019.06.001
页码: 1-6
总页数: 6
文件大小: 785K
下载量: 106
相关论文文献
- [1].基于变分模态分解和AMPSO-SVM耦合模型的滑坡位移预测[J]. 上海交通大学学报 2018(10)
- [2].基于模糊环境AMPSO-SVM氧化锌避雷器故障诊断研究[J]. 电瓷避雷器 2017(05)
标签：面板堆石坝论文; 渗流量监测论文; 支持向量机论文; 自适应粒子群算法论文; 监控模型论文;