论文部分内容阅读
大坝变形的实际监测值序列是一个非线性、非稳定的时间序列，引入径向基核函数后的支持向量机能有效解决非线性问题，因此可用支持向量机模型对大坝变形进行预测。支持向量机模型的核心问题是惩罚因子C和核函数参数σ的选取，这也是本文的重点，但针对标准遗传算法可能存在收敛局部小而最后得不到全局最优解，以及收敛速度慢等缺点，本文采用改进的自适应性遗传算法对参数进行寻优。通过实例表明，与自适应遗传算法的支持向量机模型和统计模型相比，改进的自适应遗传算法的支持向量机模型推广能力和泛化能力更好，从而证实该预测模型具有可行性和实际性。