人工免疫算法优化双支持向量机在拱坝变形预测中的应用

为了能够通过监测数据直观反映出坝体是否处于稳定运行状态,采用人工免疫算法优化的双支持向量机方法,对高拱坝变形数据进行了拟合预测分析,双支持向量机与标准支持向量机相比极大地提高了计算速度,在进行批量重复计算中计算效率明显提升。针对双支持向量机计算结果受参数影响较大且参数多的问题,引入人工免疫算法搜寻双支持向量机参数,人工免疫算法在遗传算法的基础上保留了一定数量的较优解,提升了算法的搜索效率。工程算例分析表明,参数对双支持向量机结果影响较大,通过人工免疫算法搜寻最优参数后,双支持向量机能够较好地拟合拱坝坝体变形数据,预测结果符合工程精度要求,最大误差仅为1mm左右。

基于IABC-FCM-RVM算法的拱坝变形预测模型

针对传统统计模型中温度和水压因子交叉影响、效应量不易分离的问题,提出了一种基于IABC-FCMRVM算法的拱坝变形预测模型。首先采用基于改进的人工蜂群(IABC)的模糊C-均值聚类算法(FCM)对变形数据进行分类,然后分别对分类后的数据建立分段的相关向量机模型(RVM),最后以某高拱坝变形数据对该模型进行了检验,并与统计模型和未聚类的RVM模型预测结果对比分析,结果表明,IABC-FCM-RVM模型具有更好的预测精度。