基于支持向量機的變形預測方法研究.pdf

1、由于建筑物變形監(jiān)測中新技術的不斷應用,積累資料多、數(shù)量大,如何及時有效地進行變形分析和預測,對于及時了解建筑狀況和保證工程建筑施工與運營的安全已越來越重要。為提高變形分析與預報效果,人們不斷尋找新的相關數(shù)據(jù)處理方法。而支持向量機(SupportVectorMachine,SVM)具有優(yōu)良的非線性特性,已廣泛的應用于統(tǒng)計分類以及回歸分析中,目前也逐漸被應用到測繪數(shù)據(jù)處理中,本文研究支持向量機(SVM)應用于變形分析與變形預測中,主要研究內

2、容包括:
　　1、針對變形監(jiān)測系統(tǒng)觀測數(shù)據(jù)中可能會存在奇異值的問題,本文介紹了“?3準則”以及常用的數(shù)據(jù)替換和插補方法對變形數(shù)據(jù)進行預處理。
　　2、運用支持向量機建立變形預測模型,研究影響模型預測精度的相關參數(shù)。討論了采用不同核函數(shù)對于SVM模型精度的影響。在分析參數(shù)對變形預測精度的影響基礎上,引用了RBF核函數(shù)的方法優(yōu)化預測模型參數(shù),從而獲取最優(yōu)參數(shù)。結果表明,對于所采用的數(shù)據(jù),線性核函數(shù)進行訓練的效果較好,考慮到RBF

3、函數(shù)是有明確的統(tǒng)計意義,并能夠結合樣本分布的先驗知識等優(yōu)點,本文采用RBF函數(shù)作為核函數(shù)。
　　3、建立基于支持向量機預測模型之前,對各類模型進行精度評價和對比分析,對數(shù)據(jù)進行歸一化處理,從而減少訓練過程中數(shù)值計算的幅度,從而提高訓練的整體效果,在此基礎上利用實際監(jiān)測數(shù)據(jù)對建筑物變形進行預測。
　　4、評定SVM的預測精度,通過對某滑坡點2002年12月—2008年12月(35期觀測資料)的實際監(jiān)測數(shù)據(jù)進行建模預測,通過建立