基于BP-PCA-WCA-SVM的混凝土大坝变形预测方法

作     者：朱小韦 袁占良 李宏超 ZHU Xiao-wei;YUAN Zhan-liang;LI Hong-chao

作者机构：河南测绘职业学院郑州451464 河南理工大学测绘与国土信息工程学院河南焦作454000 

出 版 物：《长江科学院院报》 (Journal of Changjiang River Scientific Research Institute)

年 卷 期：2024年第41卷第9期

页      面：138-145页

核心收录：

学科分类：08[工学] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 081102[工学-检测技术与自动化装置] 

基　　金：国家自然科学基金项目(41572341) 教育部高等学校科学研究发展中心专项课题(ZJXF2022161) 

主　　题：混凝土大坝 变形预测 主成分分析 水循环算法 噪声稳健性 

摘      要：传统基于单一模型的混凝土大坝变形预测方法预测精度低,噪声稳健性差,泛化能力弱。为解决该问题,提出一种基于贝塔先验主成分分析(BP-PCA)与水循环算法(WCA)优化支撑向量机(SVM)相结合的混凝土大坝变形组合预测方法。首先利用所提BP-PCA模型对变形数据进行多尺度降噪分解,将复杂非线性、非平稳随机过程分解为一系列结构简单的主分量;然后利用WCA优化的SVM(WCA-SVM)对每个主分量分别建立预测模型;最后将多个主分量的预测结果综合叠加得到最终预测结果。以我国中部地区某混凝土大坝变形监测数据开展试验,结果表明,所提BP-PCA模型能够有效挖掘数据中隐含的趋势性和规律性信息,BP-PCA-WCA-SVM模型能够获得较高的预测精度,预测结果的相对误差为1.07%,误差均方根为0.065。相对于Kalman滤液、SVM、CNN 3种方法,所提模型预测性能提升均超过62%,并且具有更强的噪声稳健性和泛化能力。