摘要:大坝变形监测设施所获得监测数据序列受噪声污染并呈强非线性以及混沌特性.为对其进行预测分析,需对监测数据进行去噪去理,并选用泛化能力强、非线性预测效果好的模型.基于此,提出一种基于相空间重构的小波支持向量机(简称W-PSVM)模型.该模型利用小波分析的时频分析、多分辨率分析等优点,先对序列进行时频分解,将非平稳的变形序列变为多个不同分辨率下的平稳子序列,并对各高频子序列进行阈值去噪处理;根据混沌相空间理论,计算各子序列的延迟时间τ与嵌入维数m,重构各子序列的相空间,最后利用支持向量机模型对变形序列的子序列进行预测,各子序列预测值相加即得到最终去噪后变形序列的预测值.支持向量机的惩罚因子C与核函数参数σ的对模型的预测精度影响较大,故引入粒子群算法,对支持向量机的参数进行寻优.以佛子岭大坝某测点变形序列为例,将基于相空间重构的W-PSVM模型与单独的PSVM模型以及W-BP模型作对比,结果表明基于相空间重构的W-PSVM模型预测精度最高,在大坝变形序列中具有较好的实用性.