刘志,刘泽,杨金辉,高培培,朱光华,胡少华

• 1:武汉理工大学安全科学与应急管理学院
• 2:南京水利科学研究院
• 3:福建省水利水电勘测设计研究院
• 4:国家大坝安全工程技术研究中心

摘要(Abstract)：

针对大坝监测数据小样本、高维度和非线性的特点,引入支持向量机(SVM)机器学习方法,采用生物地理学优化算法(BBO)优化其惩罚因子c和核函数参数g,建立了基于BBO-SVM的大坝变形预测模型。结合2011—2016年水口大坝4个测点共900组环境量与效应量监测数据,对模型预测性能进行了验证,并将预测结果与SVM、PSO-SVM和ABC-SVM大坝变形预测模型进行对比。结果表明:文中提出的BBO-SVM模型不仅预测精度高,且稳定性更好,4个测点的均方根误差分别达到了0.332 0、0.473 5、0.405 7、0.222 8,拟合优度分别达到了0.910 4、0.961 0、0.962 4、0.956 9。本研究可提高大坝安全监测成果利用,对于大坝健康状态预测评估具有一定的工程指导意义。

关键词(KeyWords)： 大坝变形;预测模型;BBO-SVM;预测性能

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金青年基金项目(51609184);; 国家大坝安全工程技术研究中心开放基金(CX2019B014)

作者(Author): 刘志,刘泽,杨金辉,高培培,朱光华,胡少华

DOI: 10.13928/j.cnki.wrahe.2020.08.008

参考文献(References)：

• [1] JIA J.A technical review of hydro-project development in China[J].Engineering,2016,2(3):302- 312.
• [2] 孙继昌.中国的水库大坝安全管理[J].中国水利,2008 (20):10- 14.
• [3] 吴中如.水工建筑物安全监控理论及其应用[M].北京:高等教育出版社,2003.
• [4] 李雷.大坝风险评价与风险管理[M].北京:中国水利水电出版社,2006.
• [5] 王健,王士军.全国水库大坝安全监测现状调研与对策思考[J].中国水利,2018(20):25- 29.
• [6] TASCI L,KOSE E.Deformation forecasting based on multi variable grey prediction models[J].Journal of Grey System,2016,28(4):56- 64.
• [7] 贾强强,苏怀智,郭芝韵,等.基于NMEA—BP大坝变形监测模型研究[J].水利水电技术,2018,49(1):70- 74.
• [8] 季威,刘晓青,林潮宁,等.基于 BP 神经网络的大坝新多测点位移模型[J].水利水电技术,2019,50(2):112- 117.
• [9] 苏怀智,温志萍,吴中如.基于SVM理论的大坝安全预警模型研究[J].应用基础与工程科学学报,2009,17(1):40- 48.
• [10] SU H,LI X,YANG B,et al.Wavelet support vector machine-based prediction model of dam deformation[J].Mechanical Systems and Signal Processing,2018,110:412- 427.
• [11] 张帆.基于神经网络的大坝安全监控模型研究[D].南京:东南大学,2016.
• [12] 范振东,崔伟杰,郭芝韵,等.基于改进的PSO-SVM法的大坝安全非线性预警模型研究[J].水电能源科学,2014,32(11):72- 75.
• [13] SIMON D.Biogeography-based optimization[J].IEEE Transactions on Evolutionary Computation,2008,12(6):702- 713.
• [14] ZHANG Y,PHILLIPS P,WANG S,et al.Fruit classification by biogeography-based optimization and feedforward neural network[J].Expert Systems,2016,33(3):239- 253.
• [15] YANG G,ZHANG Y,YANG J,et al.Automated classification of brain images using wavelet-energy and biogeography-based optimization[J].Multimedia Tools and Applications,2016,75(23):15601- 15617.
• [16] SONG Y,LIU M,WANG Z.Biogeography-based optimization for the traveling salesman problems[C]//IEEE.2010 Third International Joint Conference on Computational Science and Optimization.IEEE,2010:295- 299.
• [17] BANSAL J C,FARSWAN P.Wind farm layout using biogeography based optimization[J].Renewable Energy,2017,107:386- 402.
• [18] 张书华,赵中华.基于安全监测信息的大坝位移时变预测模型研究[J].水力发电,2015,41(4):86- 90.
• [19] VAPNIK V.The nature of statistical learning theory[M].Springer Science & Business Media,2013.
• [20] 钱程,李连基,周子东.基于ABCA-SVM的大坝变形预警模型[J].人民黄河,2018,40(4):124- 127.
• [21] 石志标,葛春雪.基于CS-BBO优化SVM的汽轮机转子故障诊断[J].振动、测试与诊断,2018,38(3):619- 626.
• [22] SINGH J,BANKA H,VERMA A K.A BBO-based algorithm for slope stability analysis by locating critical failure surface[J].Neural Computing and Applications,2019,31(10):6401- 6418.
• [23] 林潇,刘洋,许立雄,等.基于系统生存性的骨干网架搜索方法[J].电测与仪表,2019,56 (12):49- 56.
• [24] 孙腾飞,沈吟东,刘晓雪,等.基于生物地理学算法的公共交通发车间隔优化[C]//中国自动化学会控制理论专业委员会.第 37 届中国控制会议论文集 (B).北京:中国自动化学会控制理论专业委员会,2018:545- 550.
• [25] 时彤,杨朔.基于 EEMD-BBO-ELM 的短期风电功率预测方法[J].分布式能源,2018,3(3):22- 27.