| 利用PCA-SVM的大坝变形预测研究 |
| |
| 引用本文： | 吕开云,鲁铁定.利用PCA-SVM的大坝变形预测研究[J].测绘科学,2011,36(1):73-74. |
| |
| 作者姓名： | 吕开云 鲁铁定 |
| |
| 作者单位： | 中国矿业大学;东华理工大学测绘工程学院; |
| |
| 基金项目： | 江西省自然基金(2009GQS0001); 武汉大学地球空间环境与大地测量教育部重点实验室开放基金(08-01-04) |
| |
| 摘 要： | 主成分分析(PCA)能够有效地提取数据的特征信息,消除变量间的共线性,而将基于统计学习理论的支持向量机(SVM)用于数据建模具有显著的优点。本文将主成分分析应用到大坝变形影响因子的优化中,解决了由影响因子内部相关性而引入大量因子的问题,降低了输入维数,简化了输入结构。将简化后的数据作为SVM的输入因子,减少了SVM学习的时间,提高了拟合效率。试验结果表明该方法具有较高的预测精度和较强的泛化能力。
|
| 关 键 词： | 主成分分析 支持向量机 变形预测 |
The research of dam deformation prediction based on PCA-SVM |
| |
| LV Kai-yun,LU Tei-ding.The research of dam deformation prediction based on PCA-SVM[J].Science of Surveying and Mapping,2011,36(1):73-74. |
| |
| Authors: | LV Kai-yun LU Tei-ding |
| |
| Institution: | LV Kai-yun①②,LU Tei-ding②(①China University of Mining,Beijing 100083,China;②East China Institute of Technology,Jiangxi Fuzhou 344000,China) |
| |
| Abstract: | Principle component analysis(PCA) can effectively extract data information and eliminate the variables of linear.Support vector machine(SVM) based on statistical learning theory has the significant advantages in modeling process data.The paper apply the principal components analysis in the optimization of dam distortion influence factors.This can solve the influence factor of internal correlation and introducing a factor,reduce the input dimension,simplify the input structure.The data will be simplified as ... |
| |
| Keywords: | principal components analysis support vector machine deformation forecast |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
