大坝安全监测的鲁棒最小二乘支持向量机模型Robust least square support vector machine based model for dam safety monitoring
蒋国芸,郄志红,王东君,张俊杰
摘要(Abstract)：
针对目前在大坝监测模型中应用较多的支持向量机模型,以土坝沉降监测实例比较分析了监测数据中是否含有异常值的两种情况的最小二乘支持向量机监测模型的拟合精度与预测精度,发现异常值的影响不容忽视。通过改进支持向量机模型中的损失函数,建立了大坝安全监测的鲁棒最小二乘支持向量机模型(RLS-SVM)。实例分析表明:不论监测数据是否含有异常值RLS-SVM均可达到较好的拟合精度和预测效果,优于普通LS-SVM模型。
关键词(KeyWords)： 大坝安全监测;鲁棒最小二乘支持向量机;最小二乘支持向量机;异常值
基金项目(Foundation): 河北省科学技术研究与发展计划(编号:05240703D)
作者(Author): 蒋国芸,郄志红,王东君,张俊杰
DOI: 10.13928/j.cnki.wrahe.2012.02.021
参考文献(References)：
- [1]丛培江.大坝监测数据异常值的概率识别法[J].水电能源科学,2005,23(4):32-34.
- [2]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.
- [3]赵兰敏,郄志红,吴鑫淼,等.鲁棒回归在水工建筑物安全监控模型建立中的应用[J].中国农村水利水电,2007(3):97-102.
- [4]魏茹生,赵海生,等.神经网络模型下的土石坝安全监测仿真研究[J].系统仿真学报,2008,20(4):1052-1059.
- [5]高平,薛桂玉.基于小波网络的大坝变形监测模型与预报[J].水利学报,2003(7):107-110.
- [6]司春棣,练继建,郑杨.土石坝渗流安全监测的遗传支持向量机方法[J].水利学报,2007,38(11):1341-1346.
- [7]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):40-47.