改進支持向量機在水工結構健康監(jiān)測中的應用.pdf

1、隨著水工結構運行時間的增長，難免會發(fā)生老化、病害甚至事故。因此，水工結構健康問題已被日益關注。為了減少水工結構的運行風險，必須實施水工結構健康監(jiān)測，而水工結構的劣化診斷評價以及結構參數反演分析等是水工結構健康監(jiān)測領域的重要研究內容，也是水工結構領域研究的熱點問題。近年來，越來越多的人工智能技術應用于水工結構健康監(jiān)測。在使用支持向量機(Support Vector Machine，SVM)進行機器學習時，參數選取的好壞決定著支持向量機分類

2、和預測的準確性，以往對支持向量機參數選取的研究，有傳統(tǒng)的方法和群智能算法，針對以往的選取方法存在的不足，引進了一種新近發(fā)展起來的群智能算法的代表—螢火蟲群優(yōu)化算法。本文決定采用改進支持向量機（GSO_SVM）進行水工結構的劣化診斷評價以及結構參數反演分析。為此，本文主要在以下幾個方面進行了研究:
　　(1)介紹了支持向量機和螢火蟲群優(yōu)化算法的基本原理和算法流程，分析了對支持向量機尋優(yōu)性能有影響的參數設置問題，選取了螢火蟲群優(yōu)化算法

3、來進行支持向量機的參數優(yōu)化選擇，有效地增強了支持向量機算法的尋優(yōu)能力。引入了螢火蟲群優(yōu)化算法優(yōu)化支持向量機模型參數，建立了改進向量機模型。
　　(2)針對水工結構劣化評價，應用已有水工結構劣化評價實例，建立了水工混凝土結構劣化評價的改進支持向量機模型。實例分析結果表明，該方法在劣化評價中，耗時短、計算結果準確，適用于已有較多評價實例的同類混凝土結構或構件的劣化評價。
　　(3)針對水工結構物理力學參數反演。基于均勻設計法及改