摘要：大坝监控过程中,大坝变形的实测值是一个非线性且非平稳的时间序列,支持向量机（SVM）适用于解决小样本、非线性问题,在SVM算法的基础上建立了改进的大坝变形监控模型,利用差分自回归移动平均模型（ARIMA）解决非平稳时间序列问题的优势,对SVM模型的残差进行处理,并采用粒子群算法（PSO）优化支持向量机（SVM）中的核函数。实例分析表明,优化后的组合模型预测结果可靠,且精度较SVM模型有所提高。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社