摘要
惩罚因子c和核函数参数σ的选择对于支持向量机(SVM)回归模型的拟合和预测精度至关重要。为克服SVM模型易陷入局部最优点的缺陷,提出基于高斯扰动的混合布谷鸟搜索算法(GCS),用于SVM参数的优选,提出GCS-SVM模型用于大坝变形监测非线性预警。通过实例验证分析表明,与SVM模型相比,GCS-SVM模型的预测精度和泛化能力均有一定程度的提高。
Penalty factor and the selection of kernel function parameters for support vector machine（SVM）regression model fitting and forecast precision is crucial.In order to overcome the SVM model＇s defects of local optimal points,mixed cuckoo search algorithm is put forward based on gauss perturbation（GCS）.GCS-nonlinear SVM models used in dam deformation monitoring early warning are put forward.The analysis shows that compared with SVM model,GCS,the predictive precision and generalization ability of SVM model has a certain degree of improvement.
出处
《中国农村水利水电》
北大核心
2015年第5期114-116,120,共4页
China Rural Water and Hydropower
基金
国家自然科学基金重点项目(41323001)
新世纪优秀人才支持计划资助项目(NCET-11-0628)
高等学校博士学科点专项科研基金项目(20120094110005)
中央高校基本科研业务费项目(2012B07214)
关键词
高斯扰动
布谷鸟搜索算法
支持向量机
预警模型
gauss perturbation
cuckoo search algorithm
support vector machine
early-warning model
