[发明专利]一种基于改进WOA-SVR的土石坝运行期沉降变形预测方法

权利要求书

1.一种基于改进WOA-SVR的土石坝运行期沉降变形预测方法，其特征在于，包括以下步骤：

S1、采集土石坝运行期沉降变形时的原始数据，并对其进行数据归一化处理；

S2、初始化支持向量回归机和鲸鱼优化算法；

S3、利用数据归一化处理后的原始数据对支持向量机进行训练，并将训练误差作为鲸鱼优化算法中的适应度；

S4、基于数据归一化处理的原始数据和确定的适应度运行鲸鱼优化算法，得到对应的最优解；

S5、将鲸鱼优化算法的最优解作为支持向量机中的最优SVR参数，进而得到用于预测沉降变形的预测模型；

S6、基于沉降变形的影响因子，利用预测模型进行沉降变形预测。

2.根据权利要求1所述的基于改进WOA-SVR的土石坝运行期沉降变形预测方法，其特征在于，所述步骤S1中，土石坝运行期沉降变形时的原始数据包括时长、观测时刻的上游水位、观测时刻前1～5天的上游平均水位；

所述步骤S1中，进行数据归一化处理时的归一化公式为：

y＝(y_max-y_min)×(x-x_min)/(x_max-x_min)+y_min

式中，x_max和x_min为原始数据中的最大值和最小值，y_max和y_min为归一化后的数值范围的最大值和最小值，分别设为1和-1。

3.根据权利要求1所述的基于WOA-SVR的土石坝运行期沉降变形预测方法，其特征在于，所述步骤S3中，对支持向量回归机进行训练的方法具体为：

A1、将数据归一化处理后的原始数据作为训练集T；

A2、通过支持向量回归机在训练集T中寻找映射函数使其将低维空间的非线性问题映射到高维特征空间H中；

A3、在高维特征空间H中构造回归超平面及其约束条件；

A4、基于构造的超平面及其约束条件，并选定核函数，进而获得训练好的支持回归向量机。

4.根据权利要求3所述的基于WOA-SVR的土石坝运行期沉降变形预测方法，其特征在于，所述步骤A4中，选定的核函数为径向基核函数K(x,x′)：

K(x,x′)＝exp(-||x-x′||²/σ²)

式中，σ为尺度参数。

5.根据权利要求3所述的基于WOA-SVR的土石坝运行期沉降变形预测方法，其特征在于，所述步骤A4中，训练好的支持回归向量机的表达式为：

y＝f(x|(C,ε,σ))

式中，f(x)为回归超平面，C为常数，用于控制对错样本的惩罚系数，且C0，ε为不敏感损失系数，用于控制函数的精度；且C,ε,σ均为需要通过鲸鱼优化算法确定的最优SVR参数；

其中，回归超平面f(x)为：

回归超平面对应的约束条件为：

式中，α_i和分别为Lagrange乘子的不同表达形式，b为阀值，l为样本的个数。