基于支持向量机-马尔可夫链的位移时序预测

›› 2010, Vol. 31 ›› Issue (3): 944-948.

基于支持向量机-马尔可夫链的位移时序预测

徐飞，徐卫亚

1. 河海大学岩土力学与堤坝工程教育部重点实验室，南京 210098；2. 河海大学岩土工程科学研究所，南京 210098

收稿日期:2008-09-08 出版日期:2010-03-10 发布日期:2010-03-31
作者简介:徐飞，男，1983年生，博士生，主要从事岩土工程安全监控及稳定评价方面的研究。
基金资助:
国家自然科学基金重点资助项目（No. 50539110）；国家科技支撑计划（No. 2008BAB29B01）；国家科技支撑计划(No. 2006BAB04A02)；国家自然科学基金资助项目（No. 50909038）。

Prediction of displacement time series based on support vector machines-Markov chain

XU Fei，XU Wei-ya

1. Key Laboratory of Ministry of Education for Geomechanics and Embankment Engineering, Hohai University, Nanjing 210098, China; 2. Geotechnical Research Institute, Hohai University, Nanjing 210098, China

Received:2008-09-08 Online:2010-03-10 Published:2010-03-31

摘要/Abstract

摘要：

结合支持向量机和马尔可夫链，提出了一种新的位移时序预测模型——支持向量机－马尔可夫链预测模型（SVM-MC）。通过对实测位移值的学习，利用经粒子群算法优化的支持向量机对位移时间序列的宏观发展趋势进行滚动预测；在此基础上应用马尔可夫链确定位移时序的状态转移概率矩阵，通过对状态的划分、实测值与支持向量机拟合值的绝对误差及相对误差等指标的分析，实现了对预测结果的改进。将该模型应用到某工程永久船闸高边坡的位移时序预测中，结果表明，该模型具有科学可靠、预测精度高的优点，在岩土体位移时序预测中具有有一定工程应用价值。

关键词: 支持向量机, 马尔可夫链, 位移时间序列, 粒子群优化

Abstract:

A new displacement time series predicting model was proposed by combining the support vector machines and Markov Chain, named as support vector machines-Markov chain (SVM-MC) model. Through studying the measured displacements, SVM optimized by particle swarm was used to dynamically forecast the trend of macro development. Markov chain was applied to compute state transition probability matrix. By classifying system state and calculating absolute error and relative error between measured values and SVM fitting values, the predicting results are improved. The model was used to predict displacement time series of a high slope of a permanent shiplock. The engineering case studies indicate that the model is scientific and reliable; and there is engineering practical value for displacement time series predicting.

Key words: support vector machines, Markov chain, displacement time series, particle swarm optimization

中图分类号:

TU 45

徐飞，徐卫亚. 基于支持向量机-马尔可夫链的位移时序预测[J]. , 2010, 31(3): 944-948.

XU Fei，XU Wei-ya. Prediction of displacement time series based on support vector machines-Markov chain[J]. , 2010, 31(3): 944-948.

参考文献

相关文章 15

[1]	阮永芬, 高春钦, 刘克文, 贾荣谷, 丁海涛, . 基于粒子群算法优化小波支持向量机的岩土力学参数反演[J]. 岩土力学, 2019, 40(9): 3662-3669.
[2]	祁小辉，李典庆，曹子君，唐小松, . 考虑地层变异的边坡稳定不确定性分析[J]. , 2017, 38(5): 1385-1396.
[3]	王昌硕，王亮清，葛云峰，梁烨，孙自豪，董曼曼，张楠. 基于统计参数的二维节理粗糙度系数非线性确定方法[J]. , 2017, 38(2): 565-573.
[4]	张乐文，王洪波，邱道宏，孙怀凤，孙子正，丁万涛. 小波降噪与粒子群优化综合回归爆破震动参数[J]. , 2014, 35(S2): 338-342.
[5]	李宁，王李管，贾明涛，陈建宏，谭正华,. 改进遗传算法和支持向量机的岩体结构面聚类分析[J]. , 2014, 35(S2): 405-411.
[6]	姜谙男，沙权贤，宋战平，李鹏，吴彪，. 桥基隧道明挖施工多元信息集成智能方法与应用[J]. , 2014, 299(2): 490-496.
[7]	范思遐，周奇才，熊肖磊，赵炯. 基于多核模式的隧道沉降预测[J]. , 2013, 34(S2): 291-298.
[8]	叶勇军，丁德馨，李广悦，宋键斌，李峰. 堆浸铀矿堆液体饱和渗流规律的研究[J]. , 2013, 34(8): 2243-2248.
[9]	李启月，许杰，王卫华，陈星明，张君 . 基于数学形态学多尺度分析的顶板下沉量预测[J]. , 2013, 34(2): 433-438.
[10]	何婷婷，尚岳全，吕庆，任姗姗 . 边坡可靠度分析的支持向量机法[J]. , 2013, 34(11): 3269-3276.
[11]	赵奎，何文，熊良宵，杨欣，王晓军 . 尾砂胶结充填体蠕变模型及在FLAC3D 二次开发中的实验研究[J]. , 2012, 33(S1): 112-116.
[12]	张明远，宋华珠，李彬，李艳 . 基于ICA-SVM的超长大直径钢管桩承载力预测[J]. , 2012, 33(9): 2759-2764.
[13]	郑志成，徐卫亚，徐飞，刘造保 . 基于混合核函数PSO-LSSVM的边坡变形预测[J]. , 2012, 33(5): 1421-1426.
[14]	林大超，安凤平，郭章林，张立宁. 滑坡位移的多模态支持向量机模型预测[J]. , 2011, 32(S1): 451-0458.
[15]	董辉，侯俊敏，傅鹤林，杨果岳. 基于范例推理的公路隧道拱顶变形时序支持向量机外延预测[J]. , 2011, 32(7): 2099-2105.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed