基于GA-SA-SVR模型的输电边坡危险性预测

来源：计算机技术与发展杂志2024年第12期北京时间：

作者：段国勇;韩亮;王彦海;吕军旗;郑武略

摘要：输电边坡的危险性预测对于国内输电线路安全运营意义重大。 该文依托某输电公司输电线路区域的边坡隐患排查及状态评估数据,对数据库进行筛选,以杆塔边缘距离、边坡高度、坡度、周边土地情况、岩土性质以及植被情况这六项作为输入特征值,危险系数作为输出标签建立支持向量回归( Support Vector Regression,SVR) 预测模型,并采用遗传(Genetic Algorithm,GA)和模拟退火(Simulated Annealing algorithm,SA)的单独优化算法和组合优化算法分别对 SVR 模型进行优化,并设置鱼鹰、猎食者等优化算法作为对照组。 结果表明:组合算法的优化效果要优于单一算法的优化效果,遗传-模拟退火组合算法(GA-SA)的优化效果在准确率和拟合程度上更有优势,测试集 R2 为 0. 937 5,MSE 值为 0. 001 2,适应度函数 f(x) 值为 0. 072 4。 该模型预测性能较好,相较原方法更加客观智能。

关键词：输电边坡;危险性预测;支持向量回归;模拟退火算法;组合算法