Hits:

Indexed by:期刊论文

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 No.: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.