学位论文 > 优秀研究生学位论文题录展示

基于支持向量机的大坝变形预测研究

作　者: 翟信德
导　师: 高飞
学　校: 合肥工业大学
专　业: 大地测量学与测量工程
关键词: 变形监测 统计学习理论 支持向量机 回归预测 神经网络
分类号: TV698.1
类　型: 硕士论文
年　份: 2007年
下　载: 272次
引　用: 8次
阅　读: 论文下载
 

内容摘要


随着水电建设事业的高速发展，我国已经是兴建大坝最多的国家。为了保障大坝安全、掌握大坝运行状态，因此，根据已有的监测数据预测未来大坝变形量具有重要的实际意义。由于大坝变形具有非线性，模糊性和不确定性等特点，而传统的精确数学模型方法在建模时往往作许多假设，造成与实际情况相差较大。支持向量机是在统计学习理论的VC维理论和结构风险最小化原则的基础上提出的一种新的机器学习方法，它追求的是在有限样本情况下的最优解而不仅仅是样本数趋于无穷大时的最优解，比以经验风险最小化为基础的神经网络学习算法具有更强的理论依据和更好的泛化性能。本文研究将支持向量机引入到大坝变形预测分析中，建立预测模型应用于位移数据的预测。本文首先进行了大坝变形特性的分析研究，并利用统计学的方法消除历史监测数据中的“异常数据”。接下来使用交叉验证试算法确定支持向量机参数。最后利用选定的特征向量及核函数建立大坝变形预测模型。利用所建立的模型对安徽某大坝变形问题进行预测，结果表明预测结果与实际监测数据非常接近。同时将支持向量机模型与回归预测模型和人工神经网络BP模型的预测结果进行比较分析，进一步表明支持向量机模型预测效果是可靠的。从而说明采用支持向量机模型进行大坝变形预测是可行的，具有广阔的工程应用前景。

全文目录


摘要  5-6
ABSTRACT  6-7
致谢  7-12
第一章 绪论  12-18
  1.1 课题背景  12-13
  1.2 本课题研究的目的与意义  13-14
  1.3 国内外研究现状  14-17
    1.3.1 预测领域研究进展及现状  14-15
    1.3.2 大坝变形预测的国内外研究现状  15-16
    1.3.3 支持向量机应用于变形预测中的研究现状  16-17
  1.4 本文研究的主要内容  17-18
第二章 大坝变形分析与建模的基本理论与方法  18-33
  2.1 大坝变形几何分析  18-22
    2.1.1 参考点的稳定性分析  18-22
  2.2 大坝变形物理解释  22-24
    2.2.1 大坝变形统计分析法  22-23
    2.2.2 大坝变形分析确定函数法  23
    2.2.3 大坝监控混合模型  23-24
  2.3 大坝变形分析数据处理的基本理论与方法  24-33
    2.3.1 大坝变形统计回归分析模型  24-25
    2.3.2 大坝变形时间序列分析模型  25-26
    2.3.3 大坝变形灰色系统分析模型  26-29
    2.3.4 神经网络系统分析模型  29-33
第三章 统计学习理论和支持向量机  33-47
  3.1 统计学习理论  33-36
    3.1.1 概述  33
    3.1.2 经验风险最小化  33-34
    3.1.3 VC(Vapnik Chervoneakis)维  34
    3.1.4 学习机推广能力的界  34-36
  3.2 支持向量机(SVM)原理  36-41
    3.2.1 支持向量机算法的发展历史和现状  36-37
    3.2.2 支持向量机的应用研究  37
    3.2.3 支持支持向量机基本思想  37-39
    3.2.4 支持向量机核函数  39-41
  3.3 支持向量机回归估计方法  41-45
    3.3.1 支持向量机线性回归模型  41-44
    3.3.2 支持向量机非线性回归模型  44-45
  3.4 支持向量机训练算法  45-47
    3.4.1 块选算法(Chunking)  45
    3.4.2 分解算法(Decomposing)  45-46
    3.4.3 序列最小优化算法(SMO)  46-47
第四章 基于SVM的大坝监测模型  47-54
  4.1 变形数据数据预处理及样本选择  47-50
    4.1.1 变形数据预处理概述  47-48
    4.1.2 输入数据预处理  48-49
    4.1.3 样本选择  49-50
  4.2 大坝变形预测模型  50-52
    4.2.1 核函数的选择  50
    4.2.2 参数的确定  50-51
    4.2.3 预测模型算法  51-52
  4.3 模型评价指标  52
  4.4 基于支持向量机回归模型的训练步骤  52-54
第五章 大坝变形预测工程实例分析与比较  54-64
  5.1 港口湾水库大坝监测概况  54-55
  5.2 实测资料分析及预处理  55-57
    5.2.1 观测资料分析  55-56
    5.2.2 数据预处理  56-57
  5.3 模型建立分析  57
  5.4 预测结果与分析  57-61
  5.5 与其他预测模型的比较分析  61-64
    5.5.1 回归预测方法  61-62
    5.5.2 BP神经网络预测法  62-64
第六章 总结与展望  64-66
  6.1 总结  64
  6.2 建议与展望  64-66
参考文献  66-67

相似论文

  1. 天然气脱酸性气体过程中物性研究及数据处理,TE644
  2. 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
  3. 压气机优化平台建立与跨音速压气机气动优化设计,TH45
  4. 调频式电容位移传感器高速测频与非线性校正技术研究,TH822
  5. 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
  6. 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
  7. 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
  8. 音乐结构自动分析研究,TN912.3
  9. 基于三维重建的焊点质量分类方法研究,TP391.41
  10. 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
  11. 直推式支持向量机研究及其在图像检索中的应用,TP391.41
  12. 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
  13. 红外超光谱图像的虚拟探测器研究,TP391.41
  14. 基于SVM的中医舌色苔色分类方法研究,TP391.41
  15. 基于图像的路面破损识别,TP391.41
  16. 模糊控制、神经网络在平面二级倒立摆中的应用,TP273.4
  17. 基于神经网络的水厂投药预测控制研究,TP273.1
  18. 视觉伺服四自由度机械臂的研究,TP242.6
  19. 机械臂视觉伺服系统的研究,TP242.6
  20. 压电驱动微工作台的控制与校正技术研究,TP273
  21. 基于支持向量机的故障诊断方法研究,TP18

中图分类: > 工业技术 > 水利工程 > 水利枢纽、水工建筑物 > 水工建筑物管理 > 水工建筑物的监测与原型观测
© 2012 www.xueweilunwen.com