点击次数：

论文类型：期刊论文

发表时间：2007-02-28

发表刊物：武汉大学学报（工学版）

收录刊物：PKU、ISTIC、CSCD

卷号：40

期号：1

页面范围：53-57

ISSN号：1671-8844

关键字：支持向量机;混沌优化;大坝;安全监控;预测;统计回归;BP神经网络

摘要：首先介绍了基于统计学习理论的一种新的机器学习技术--支持向量机(Support Vector Machine, SVM),并针对目前支持向量机参数选择时人为选择的盲目性,将具有良好优化性能的混沌优化(Chaos Optimization)技术应用到支持向量机惩罚函数和核函数参数的优化,提出了混沌优化支持向量机(Chaos Optimization Support Vector Machine, COSVM)方法.根据丰满大坝1997～2004年的实际监测数据,建立了混沌优化支持向量机大坝安全监控预测模型,进行了与统计回归模型和BP神经网络模型的分析比较,结果表明,COSVM模型具有更高的预测精度,同时在较长时段的预测中,COSVM模型也表现出更好的泛化推广性能.