發(fā)布時間：2018-06-04 05:17

  本文選題：支持向量機 + 遺傳算法參數(shù)尋優(yōu)��； 參考：《武漢大學學報(工學版)》2017年02期

【摘要】：針對巖體邊坡位移預測難度大的問題,結合支持向量機-小波神經(jīng)網(wǎng)絡,提出了一種新的巖體邊坡位移時序預測模型——支持向量機-小波神經(jīng)網(wǎng)絡預測模型.通過對實測位移值的學習,并借助遺傳算法參數(shù)尋優(yōu)的支持向量機對位移時間序列的宏觀發(fā)展趨勢進行滾動預測;在此基礎上利用小波基函數(shù)變換分析序列的局部特征,通過2維情況下的序列局部走勢方向的選擇、實測值與支持向量機擬合值的相對誤差與絕對誤差等指標的分析,達到對預測值優(yōu)化改進的目的.將該模型應用到某工程面板堆石壩壩肩強卸荷巖體邊坡位移的時序預測中,結果表明,該模型具有可靠度和精度高的優(yōu)點,可應用于巖體邊坡位移預測分析.
[Abstract]:Aiming at the difficult problem of rock slope displacement prediction, a new prediction model of rock slope displacement time series-support vector machine-wavelet neural network is proposed. The model is based on support vector machine (SVM) and wavelet neural network (WNN). Based on the study of the measured displacement value and the support vector machine (SVM), which is optimized by genetic algorithm parameters, the macroscopic development trend of displacement time series is predicted by rolling, and the local characteristics of the sequence are analyzed by wavelet basis function transformation. Through the analysis of the local direction of the sequence, the relative error and the absolute error between the measured value and the fitting value of support vector machine, the purpose of optimizing and improving the prediction value is achieved. The model is applied to the time series prediction of the displacement of the strong unloading rock slope at the abutment of a face rockfill dam. The results show that the model has the advantages of high reliability and precision, and can be applied to the prediction and analysis of the displacement of the rock slope.
【作者單位】： 河海大學水文水資源與水利工程科學國家重點實驗室;河海大學水利水電學院;
【基金】：2016年度江蘇省普通高校學術學位研究生科研創(chuàng)新計劃項目(編號:KYZZ16_0284) 江蘇省自然科學基金青年基金(編號:BK2012410) 國家自然科學基金項目(編號:51179062) 江蘇高校優(yōu)勢學科建設工程資助項目 中央高�；�本業(yè)務費項目(編號:2014B11914)
【分類號】：TU433;TP18

【相似文獻】

相關期刊論文 前10條

1 李建麗;鐘儀華;李智超;;小波神經(jīng)網(wǎng)絡多屬性綜合評價及其應用[J];科技資訊;2008年03期

2 龔玉蓉;湯井田;蔡劍華;;小波神經(jīng)網(wǎng)絡的大地電磁數(shù)據(jù)靜態(tài)效應處理[J];物探化探計算技術;2011年06期

3 王宇譜;呂志平;;小波神經(jīng)網(wǎng)絡日長預報算法研究[J];大地測量與地球動力學;2012年01期

4 黃永紅;徐勇;;基于小波神經(jīng)網(wǎng)絡的某邊坡預測研究[J];測繪工程;2012年02期

5 文成林,王雪,侯玉華;自回歸過程的小波神經(jīng)網(wǎng)絡逼近算法[J];河南大學學報(自然科學版);2000年01期

6 劉家國,曾山;改進的小波神經(jīng)網(wǎng)絡模型在電力故障信號識別中的應用[J];湖北民族學院學報(自然科學版);2001年03期

7 李躍華,張勝,高敦堂,李興國;基于小波神經(jīng)網(wǎng)絡的毫米波雷達目標距離像識別(英文)[J];紅外與毫米波學報;2002年01期

8 李益國,沈炯,呂震中;一種新的小波神經(jīng)網(wǎng)絡結構優(yōu)化設計方法[J];控制理論與應用;2003年03期

9 盛景泉,付夢印,劉永信;采用小波神經(jīng)網(wǎng)絡的捷聯(lián)慣導系統(tǒng)靜基座快速初始對準[J];內蒙古大學學報(自然科學版);2003年04期

10 單海歐;李平;;小波神經(jīng)網(wǎng)絡的改進及應用[J];甘肅科學學報;2007年01期

相關會議論文 前10條

1 胡博;陶文華;崔博;白一彤;尹旭;;基于小波神經(jīng)網(wǎng)絡的異步電機故障診斷[A];2009中國控制與決策會議論文集（2）[C];2009年

2 何正友;錢清泉;;一種改進小波神經(jīng)網(wǎng)絡模型在電力故障信號識別中的應用[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

3 魯艷軍;陳漢新;陳緒兵;;基于小波神經(jīng)網(wǎng)絡的齒輪裂紋故障診斷[A];節(jié)能減排 綠色制造 智能制造——低碳經(jīng)濟下高技術制造產業(yè)與智能制造發(fā)展論壇論文集[C];2010年

4 董健;尹萌;張輝;;小波神經(jīng)網(wǎng)絡結合多項式的混合預測方法在通信規(guī)劃中的應用[A];2011全國無線及移動通信學術大會論文集[C];2011年

5 謝建宏;張為公;;復合材料疲勞剩余壽命預測的動態(tài)小波神經(jīng)網(wǎng)絡方法[A];第二屆全國信息獲取與處理學術會議論文集[C];2004年

6 陳建秋;張新政;;基于小波神經(jīng)網(wǎng)絡的水質預測應用研究[A];2006中國控制與決策學術年會論文集[C];2006年

7 孫正貴;;小波神經(jīng)網(wǎng)絡的高效學習算法及應用研究[A];中南六�。▍^(qū)）自動化學會第24屆學術年會會議論文集[C];2006年

8 黃敏;朱啟兵;崔寶同;;基于小波神經(jīng)網(wǎng)絡的軋機特性回歸[A];2007中國控制與決策學術年會論文集[C];2007年

9 周紹磊;張文廣;李新;;一種基于改進遺傳算法的小波神經(jīng)網(wǎng)絡[A];2007年中國智能自動化會議論文集[C];2007年

10 杜青;劉劍飛;劉娟;喬延華;;基于小波神經(jīng)網(wǎng)絡的模擬調制信號自動識別[A];2007通信理論與技術新發(fā)展——第十二屆全國青年通信學術會議論文集（下冊）[C];2007年

相關博士學位論文 前10條

1 侯霞;小波神經(jīng)網(wǎng)絡若干關鍵問題研究[D];南京航空航天大學;2006年

2 章文俊;小波神經(jīng)網(wǎng)絡算法及其船舶運動控制應用研究[D];大連海事大學;2014年

3 高協(xié)平;小波參數(shù)化與小波神經(jīng)網(wǎng)絡研究[D];湖南大學;2003年

4 宋清昆;自適應結構優(yōu)化神經(jīng)網(wǎng)絡控制研究[D];哈爾濱理工大學;2009年

5 李永紅;廣義小波神經(jīng)網(wǎng)絡實現(xiàn)雷達相關濾波的研究[D];大連海事大學;2000年

6 銀俊成;量子信道與量子小波神經(jīng)網(wǎng)絡相關問題研究[D];陜西師范大學;2013年

7 李文軍;多小波和小波神經(jīng)網(wǎng)絡構造及其在電弧故障診斷中的應用研究[D];吉林大學;2008年

8 劉守生;遺傳算法與小波神經(jīng)網(wǎng)絡中若干問題的研究[D];南京航空航天大學;2005年

9 黃同成;基于小波神經(jīng)網(wǎng)絡理論的VOCR與HOCR技術研究[D];上海大學;2008年

10 蔡振禹;基于粗集—小波神經(jīng)網(wǎng)絡的煤炭企業(yè)管理研究[D];天津大學;2007年

相關碩士學位論文 前10條

1 張清華;小波神經(jīng)網(wǎng)絡參數(shù)優(yōu)化及其應用[D];東北農業(yè)大學;2009年

2 王建雙;基于小波神經(jīng)網(wǎng)絡控制器設計與研究[D];哈爾濱理工大學;2009年

3 張蓉暉;小波神經(jīng)網(wǎng)絡及其在模擬電路診斷中的應用[D];華中科技大學;2008年

4 吳曦;基于隨機小波神經(jīng)網(wǎng)絡的一類隨機過程的逼近[D];西北工業(yè)大學;2001年

5 王勇;基于小波神經(jīng)網(wǎng)絡的模擬電路故障診斷的研究[D];內蒙古工業(yè)大學;2006年

6 孫新強;基于小波神經(jīng)網(wǎng)絡的板料沖壓回彈研究[D];西南交通大學;2015年

7 但立;基于小波神經(jīng)網(wǎng)絡的地面三維激光掃描點云數(shù)據(jù)的滑坡監(jiān)測研究[D];長安大學;2015年

8 葛小川;基于小波神經(jīng)網(wǎng)絡的某坦克炮平衡與定位控制[D];南京理工大學;2015年

9 蔡崇國;小波分析在大功率交流伺服系統(tǒng)中的應用研究[D];南京理工大學;2015年

10 盧金長;數(shù)據(jù)挖掘技術在上證指數(shù)預測中的應用研究[D];云南財經(jīng)大學;2015年

，

本文編號：1976120