基于SVM的水闸安全综合评价模型及其应用.pdf
《基于SVM的水闸安全综合评价模型及其应用.pdf》由会员分享,可在线阅读,更多相关《基于SVM的水闸安全综合评价模型及其应用.pdf(5页珍藏版)》请在咨信网上搜索。
1、 年第 期水利技术监督工程实践:/基于 的水闸安全综合评价模型及其应用沈 昊 王铁力 吴东伟 吴文炜(江苏省水利勘测设计研究院有限公司 江苏 扬州)摘要:鉴于我国大量的在役水闸 需要进行安全性态分析研究 为其进一步的除险加固提供依据 探索一种新的有效准确的评价方法十分必要 文章基于支持向量机()理论 建立水闸安全综合评价模型 并以江苏省盐城市某水闸为例 对评价模型进行应用 模型得出的结果 与工程实际评价结果一致 可为水闸安全性态的分析研究提供一种新的方法关键词:水闸 安全评价模型 支持向量机综合评价中图分类号:文献标识码:文章编号:()收稿日期:作者简介:沈 昊(年)男 工程师:年代后 我国陆
2、续建成了相当数量的各类水闸建筑物 但受限于建设年代的客观条件等原因 加之许多在役水闸长期受到各种因素影响 其安全性态往往受到一定影响 故需要对其进行安全性态分析研究 科学的评价建筑物的安全性态 为其进一步的除险加固提供依据近年来信息技术以及智能技术的爆发式发展使得越来越多的机器学习方法被运用在各种综合评价方法之中 并应用于各行各业 其中支持向量机()拥有充足的理论基础 有着更优秀的拓展能力 尤其是在处理样本稀少条件下的高维度数据模型时 能够出色的解决问题 并且能够有效避免传统机器学习方法的各种不足 因此 近年来支持向量机()也被越来越多的引入到电力、机械、公路、矿业等工程领域之中 但在水利行业
3、的研究与应用还比较少本文首次在水闸安全综合评价体系中 运用支持向量机()方法 建立了基于支持向量机的水闸安全综合评价模型 并以江苏省盐城市某水闸为例 对建立的评价模型进行应用 对该水闸的安全性态进行研究和评价 支持向量机()理论 线性支持向量机简单来说 在处理线性的分类问题时 支持向量机()就是在输入的数据集合中直接建立判别函数 假定随机且独立的从概率分布未知的分布函数 中 抽 取 个 样 本 组 成 训 练 样 本 集 合()并规定 当 为第一类型时 输出值为正 反之 如果为第二类型 输出为负 因此 该机器学习的目标就是建立一个能够最大化正确划分样本 并且使分类间隔也最大化的函数 即解决的最
4、优化问题如下:()()式中 为惩罚参数 值越大则说明对于分类错误的处罚程度越重 以此来突出分类正确率的重要性 非线性支持向量机在处理非线性分类问题时 则可以把输入的数据集合经过非线性处理 投射到高维度特征集合中 变非线性问题为线性问题 只要选取适合的核函数用于计算 运用线性支持向量机()就可以做到在线性划分映射样本的同时 也不增加原有的工作量 其目标函数为:()()()相应的类别判定函数为:工程实践水利技术监督 年第 期()()()()核函数与参数优化所谓核函数 就是指在处理非线性分类问题时 建立的不同内积的函数 实际上 核函数有很多种 所以在使用支持向量机()时 可以根据问题的实际需要 择优
5、选取所需的核函数 目前比较成熟 且应用较多的 种核函数如下:()多项式核函数()()()()形核函数()()()()径向基函数()()()基于 函数的支持向量机()其本质可以说是一种径向基分类器 其内积函数特性 相当于人的视觉特性 能够较广的应用到实际现实场景中实际上 绝大多数核函数在运用时 都可以得到不错的训练结果 所以理论上任意核函数可以被选择应用于支持向量机()的建模 但因为 核函数只需要选取较少的参数 且处理非线性问题的能力很优异 所以本文选用 核函数应用于支持向量机的建模对支持向量机()性能影响最大的、最重要的参数就是惩罚因子 以及核函数中的参数 近年来 通过学者们不断的研究 已经可
6、以运用人工智能优化算法自动调整惩罚因子 和参数 其中粒子群算法、遗传算法和网络搜索算法是目前运用较多的 种优化算法 基于支持向量机()的水闸安全综合评价模型 为了选取的实际工程样本数据可以更方便的应用于支持向量机()模型的构建与训练 同时也为了最终构建的水闸安全综合评价模型具备更好的可操作性与适用性 本文选取水闸的安全综合评价指标中的一级评价指标作为研究对象 建立支持向量机的分类模型 进行水闸安全性态的综合评价 选取的一级评价指标 具体如图 所示 样本数据处理及标签设置 样本数据处理本文选取了 座在役水闸的实际检测数据图 水闸安全综合评价体系一级评价指标样本处理后作为训练集 选取另外 座在役水
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 SVM 水闸 安全 综合 评价 模型 及其 应用
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。