[发明专利]结合门限回归和改进支持向量机面板坝坝顶沉降预测方法

权利要求书

1.结合门限回归和改进支持向量机面板坝坝顶沉降预测方法，其特征在于，具体包括如下步骤：

步骤1：获取沉降数据

所述步骤1的具体过程为：

从已构建的面板堆石坝坝顶沉降预测指标实例实测数据库中选取出n个均包含预测因子坝高X₁、孔隙率X₂、河谷形状因子X₃、地基条件X₄、堆石强度X₅、运行时间X₆和坝顶沉降预测指标CS的实例，其中预测因子坝高X₁、孔隙率X₂、河谷形状因子X₃、地基条件X₄、堆石强度X₅、运行时间X₆即为六个预测因子；对每个实例中的坝顶沉降预测指标CS进行无量纲化处理，即Y＝CS/H，即取为坝顶沉降变形相对坝高的比值；

步骤2：处理数据

分别计算坝顶沉降预测指标CS与六个预测因子之间的相关系数，取相关系数最大的因子作为门限变量；根据多元门限回归分析理论对所确定的门限变量进行计算，确定出门限变量相应的门限值，从而建立对应的子数据集；

步骤2的具体过程为：

步骤2.1：利用SPSS软件计算每个实例的坝顶沉降预测指标Y与坝高X₁、孔隙率X₂、河谷形状因子X₃、地基条件X₄、堆石强度X₅、运行时间X₆之间的相关系数，将n个实例样本中相关系数最大的预测因子X_imax＝{X_i1,X_i2,…,X_in}按其值从小到大顺序排列，对所构建的实例数据库也随X_imax的顺序相应重新排列，得坝顶沉降预测指标Y的新序列Y′；

步骤2.2：对坝顶沉降预测指标Y的新序列Y′进行二分割，将分成的两段分别记为：Y′(1,k)，Y′(k+1,n)，其中k是任意分割点；计算得到坝顶沉降预测指标Y的新序列Y′序列的总方差所分成两段的组内方差和为所分成两段的组间方差B²＝V²-S²；

步骤2.3：用显著性水平判断系数F＝[B²(n-2)]/S²来检验将坝顶沉降预测指标Y的新序列Y′所分成两段的两组数据间的显著性差异，对序列Y′共进行L＝n-1次二分割，计算n-1个F值，记为：F₁(x_i)，F₂(x_i)，…，F_n-1(x_i)，选择F_k*(x_i)＝max{F₁(x_i),F₂(x_i),…,F_n-1(x_i)}，所对应的任意分割点k即为第i个因子的最优分割点，记为k^*；通过计算得出的m个最优分割点即为所对应的m个门限值，m个门限值将整个实例数据库划分为m+1个子数据库，在m+1个子数据库内运用Matlab软件确定支持向量机核函数；

步骤3：确定支持向量机核函数

将具有不同特性的核函数以线性组合的形式构成一类新的混合核函数；

步骤3的具体过程为：

将具有局部特性的全局核函数K_poly和具有全局特性的局部核函数K_rbf以线性组合K_mix＝ηK_poly+(1-η)K_rbf的形式构成一类新的且满足Mercer定理的混合核函数K_mix；

步骤4：采用启发式的粒子群优化算法对支持向量回归机的正则化参数C，多项式核参数d，径向基核参数g进行优化选择；

步骤4的具体实施过程为：

(1)读取样本数据，把样本数据归一化到[0,1]区间；

(2)确定粒子数量pop＝20，学习因子参数c₁和加速度学习因子c₂，调节学习步长，分别初始化设置为c₁＝1.4、c₂＝1.6，最大进化代数maxgen＝100，正则化参数C的变化范围为[0.0001,100]，径向基核参数g的变化范围为[0.0001,1000]，多项式核参数d取默认值3，随机产生每个粒子(C，g)的初始位置并产生初始速度

(3)对每个粒子进行回归训练，把K折交叉验证的均方误差作为粒子的适应值，把初始位置作为每个粒子的个体极值位置P_best，把适应值最优的位置作为粒子群的全局最优位置g_best；

(4)对初始种群训练完成后，根据公式更新粒子的位置和速度，并使更新后的数值在设定的范围内；

其中，t是进化代数，是第t次迭代时第i个粒子飞行速度向量的第C、g维分量，是第t次迭代时第i个粒子位置向量的第C、g维分量；ω是平衡全局和局部搜索能力的一个权重系数，一般用于调节空间的搜索范围，初始化为1；c₁和c₂为两个不同的加速度学习因子，调节学习步长，分别初始化设置为1.4和1.6；r₁和r₂是区间[0，1]内的均匀随机数，用于调整搜索的随机性；

(5)回归训练计算每次迭代的粒子的适应值，若粒子的适应值优于原来的个体极值，设置当前的适应值为个体的极值，设置当前位置为个体的极值位置，否则保留原值；

(6)比较当前种群的适应值优于原来的全局极值，设置当前的适应值为全局极值，设置当前位置为全局极值位置，否则保留原值；

(7)对粒子进行自适应变换,以防止落入局部最优点；

(8)返回步骤(4)，直到满足最大迭代次数或达到要求的误差，则终止迭代，输出此时的全局最优值位置；

(9)得到全局最优值后进行回归预测；

步骤5：建立结合门限回归和改进支持向量机的坝顶沉降预测模型；

步骤5中的具体过程为：

分别对所划分的m+1个子数据集进行分析处理，在各个子数据集中先对坝顶沉降数据进行训练建立模型，训练所得数据建立模型的操作考虑了预测因子坝高、地基条件、堆石强度、孔隙率、河谷形状因子和运行时间，得出坝顶沉降预测指标Y的结合门限回归和改进支持向量机的预测模型，模型训练完成之后，通过save_model方法将模型保存成模型文件，以供后续预测使用；

步骤6：结合建立好的结合门限回归和改进支持向量机的面板堆石坝坝顶沉降预测模型。

2.如权利要求1所述的结合门限回归和改进支持向量机面板坝坝顶沉降预测方法，其特征在于，步骤6的具体实施过程为：

预测时，当待建面板堆石坝工程的预测因子坝高、地基条件、堆石强度、孔隙率、河谷形状因子和运行时间已知时，先加载保存好的结合门限回归和改进支持向量机的坝顶沉降预测模型文件，预测得到待建面板堆石坝的坝顶沉降。