3种大坝安全监控智能模型的比较

摘要

当效应量和自变量关系复杂时,传统回归模型预测效果较差,智能模型以可视化、网络化、易于实现等特征发展迅速.基于某混凝土坝实测资料,将极限学习机模型运用于大坝安全监控中,并与BP神经网络、支持向量机模型的训练、预测结果对比,分析了各个模型的实际运行性能和适用场合。研究认为:智能算法应用于大坝安全监控模型，结合计算机技术优点，精度较高，运算效率快，具有较好的发展前景；SVR模型拓扑结构稳定，预测精度较高:ELM模型调节参数少、学习速度快、泛化性能好，应用方便，BP神经网络很好记忆数据的趋势，长期序列预测效果好；ELM模型预测短期序列较优的特点，可探索在线学习ELM方法，根据更新的实测数据及时动态进行预报;继续探索SVR求解大规模问题算法，提高其运行速度。