水利大数据时代的到来,为解决大体积混凝土温控防裂这一技术难题,提供了新的思路。我国在众多水利工程的建设中,积累了海量的混凝土温控数据,这些数据蕴含着混凝土温度变化规律等内在信息,而云计算技术的发展,为这些海量数据的存储、访问和计算提供了平台支持。在数据资源和平台俱备的情况下,迫切需要一种新型有效的数据挖掘算法,能从海量的混凝土施工数据中挖掘出影响其温度变化的各因素之间的非线性关系,实现施工期混凝土温度的快速预测,为大体积混凝土的温控防裂提供决策支持。基于此背景,本文的主要成果有:1.从理论入手,系统地总结了支持向量机分类和回归算法的原理,以及优化模型的三种形式:Holdout Method、K-CV和LOO-CV,对比了遗传算法(GA)、遍历网格(GR)、粒子群算法(PSO)在进行参数寻优时的优缺点及各自的适用范围;2.分析整理了吉牛水电站、沙坪二级电站、藏木水电站、蒙山水库工程、恒山水库、布尔津山口水电站的共200支温度计的温控数据,并对其进行了剔除奇异值、空缺值填充、消除噪声等数据清洗工作。3.对影响混凝土最高温度的18个原始变量进行了主成分分析和相关性分析,利用遗传算法对惩罚因子C和核函数参数G进行优化,得到了施工期混凝土最高温度和最高温度出现时间的GA-SVM预测模型,经实测值检验,温度预测残差集中在3℃以内,出现时间残差控制在50h以内。此外,基于实测温度值比较了网格划分、粒子种群、遗传算法的预测结果和种群数量对遗传算法寻优结果的影响,结果表明:遗传算法优化的模型预测精度高,泛化能力最强;GA-SVM预测精度随popsize呈现先明显增加后趋于稳定的特点。4.建立了CV背景下遗传算法优化的施工期混凝土温度时程GA-SVM预测模型,经实测值比较,其残差基本控制在5℃以内,对部分预测结果出现的偏态分布进行了解释。5.基于GUI和SVM模型,设计了施工期混凝土温度预测系统,系统共分为模型训练和温度预测两部分。基于模型训练板块,可以选择完成PCA降维,GR、GA优化后的SVM温度预测模型;基于温度预测部分,可以通过输入配合比、测点位置等信息后调用SVM温度预测模型,实现混凝土最高温度及时间的快速预测。