Release Time:2019-03-11  Hits:

Indexed by: Journal Article

Date of Publication: 2006-06-20

Journal: 水电自动化与大坝监测

Included Journals: ISTIC

Volume: 30

Issue: 3

Page Number: 67-70

ISSN: 1671-3893

Key Words: 贮灰坝;渗流监测;支持向量机;支持向量回归;交叉验证法

Abstract: 鉴于支持向量机在机器学习方面表现出的良好性能,提出了基于支持向量回归(SVR)算法的贮灰坝渗流监测模型.采用基于平行网格搜索的交叉验证法选择模型参数,避免了参数选择的盲目性、随意性,提高了预测精度.实例分析表明,该渗流监测模型与传统的神经网络(反向传播(BP)网络、径向基核函数(RBF)网络)模型相比,具有预测精度高、泛化能力强等优点,能够快速、准确地预测出指定位置的测压管水位,对贮灰坝水头预报和电厂的安全生产具有实用价值.