利用改进水循环优化SVR的边坡变形预测

董延东

您当前的位置：

首页 >

文章列表页 >

利用改进水循环优化SVR的边坡变形预测

更新时间：2026-06-23

- 利用改进水循环优化SVR的边坡变形预测
- Vol. 22, Issue 10, Pages: 46-49(2024)
- 作者机构：
  
  国能运输技术研究院有限责任公司
- 作者简介：
- 基金信息：
- DOI：
  CLC： U213.13
- Published：2024
- 稿件说明：
移动端阅览
董延东. 利用改进水循环优化SVR的边坡变形预测[J]. 2024, 22(10): 46-49.
DOI：

董延东. 利用改进水循环优化SVR的边坡变形预测[J]. 2024, 22(10): 46-49. DOI：

摘要

边坡变形与地质活动，气候变化以及人工切坡等众多因素相关，是一种典型的非线性、非平稳随机过程，传统边坡变形预测方法存在预测精度低和泛化能力弱等问题。提出一种基于改进水循环算法（improved water cycle algorithm

IWCA）优化支持向量回归（suppor vector regression

SVR）的边坡变形预测方法（IWCA-SVR）。SVR利用核函数将低维空间中的非线性边坡位移量数据映射到高维空间进行建模分析，不仅能够获得较高的预测精度，同时具有较强的泛化能力。由于SVR核参数和惩罚因子对预测性能影响较大，提出IWCA算法对其进行全局寻优，提升预测性能。最后将所提IWCA-SVR方法与粒子群优化的SVR (PSO-SVR)和极限学习机（ELM）等方法进行对比，结果表明IWCA-SVR在平均相对误差和均方根误差两项指标方面分别提升超过55.8%和54.9%，并且具有更强的泛化能力。

Abstract

关键词

Keywords

references

陶莘睿.基于ER-WCA算法的微电网经济运行优化研究[D].南昌大学,2021(03).

Bowen Wei,Dongyang Yuan,Huokun Li,Zhenkai Xu.Combination forecast model for concrete dam displacement considering residual correction[J].Structural Health Monitoring,2019.

袁于思,冯小鹏,李勇,易灿灿.基于PSO-DSRVM的边坡变形预测[J].中国地质灾害与防治学报,2023(01).

晏晓红,宋丽,荣延祥.PSO-SVR优化模型在基坑变形监测预测中的应用[J].地理空间信息,2022(12).

冯杭华.基于ARIMA-TGM组合模型的边坡变形预测[J].地理空间信息,2022(10).

侯太平,杨前冬,卢雪峰,蒋磊,伍安杰,黄秀银.基于IVDF-SVR耦合模型的边坡变形预测[J].人民珠江,2022(05).

李宏俊,赵雪琼,孙瑜.基于GPRS和SVR的滑坡灾害远程监测系统设计[J].微型电脑应用,2021(06).

牛景太.基于奇异谱分析与PSO优化SVM的混凝土坝变形监控模型[J].水利水电科技进展,2020(06).

熊迪,吴浩,杨剑,郭世泰.回归分析与抗差卡尔曼滤波协同下大型边坡短期变形的预测方法[J].金属矿山,2019(04).

容静,刘立龙,康昊华,李松青,周吕.基于方差补偿自适应Kalman滤波的ARMA与PSO-SVM模型变形预测[J].大地测量与地球动力学,2018(07).

刘小生,秦志强.基于相空间重构的GA-SVR组合模型边坡位移预测研究[J].大地测量与地球动力学,2017(10).

李胜,韩永亮,高宏,罗明坤,胡海永.边坡变形的LMD-ELM多尺度预测模型研究[J].中国安全科学学报,2015(11).

Views

100

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

改进水循环优化BP神经网络的大坝变形预测

基于EMD-SVR的高挡墙护坡位移预测方法

一种面向多光谱多分辨率影像的超分辨率重建网络

改进麻雀搜索算法优化最小二乘支持向量机的高程拟合

基于模态分解的GNSS观测环境影响辨识研究

Related Author

胡振东

郭明强

陈凯

Related Institution

武汉智绘蓝图科技有限公司

中国地质大学(武汉)地理与信息工程学院

国能包神铁路有限责任公司

AI问答

⁰