人工免疫算法优化双支持向量机在拱坝变形预测中的应用

(1.吉林省水利水电勘测设计研究院，长春 130021； 2.河海大学 水利水电学院，南京 210098)

1 研究背景

我国近些年已建或在建一批300 m级高拱坝，如锦屏、小湾、溪洛渡、白鹤滩等，由于缺乏足够的高拱坝安全施工、蓄水、运行经验，拱坝坝体的安全稳定问题一直是工程界较为关心的问题[1-3]。拱坝坝体安全问题分析方法有：仿真计算方法,用来分析不同工况下的变形、应力应变状况[4-6]；采用现场实时监控手段来监测坝体应力、变形是否超出容许范围，是否产生裂缝等[7-8]。其中拱坝变形能够直观反映出坝体是否处于稳定运行状态，由于拱坝坝体变形受到蓄水水压、外界温度、内部水化热、坝体蠕变、混凝土硬化等因子的影响[9]，且各因子之间存在着一定相关性，因而拱坝坝体变形呈现明显的非线性特性，传统的回归统计模型难以表征这一相互耦合作用的非线性关系，难以真实反映出各因子对拱坝坝体变形的影响[10]。

近年来人工智能机器学习方法迅猛发展，在解决数据相互影响、复杂非线性方面的能力有很大提高；作为机器学习方法之一的支持向量机，具有需要数据少、计算速度快，能较好地处理复杂非线性问题的特点，核心思想为把非线性的低维度的样本数据，通过核函数投影到线性的高维度空间中，使得数据之间变为线性关系[11-12]。

标准支持向量机(Support Vector Machine，SVM)最终是求解2组分类数据为一个整体的二次规划问题，计算效率较低，而双支持向量机 (Twin Support Vector Machine,TSVM)通过建立2个非平行的空间超平面，每个超平面均是离一组数据最近而离另外一组数据最远，因此能充分利用输入训练的数据，最终为求解2个单独数据的二次规划问题，极大地提高计算速度[13-14]。……