期刊文献+
共找到10篇文章
< 1 >
每页显示 20 50 100
基于MIV-改进RBF神经网络的大坝变形监测模型 被引量:4
1
作者 宁昕扬 刘晓青 《三峡大学学报(自然科学版)》 CAS 2016年第3期1-5,共5页
针对常规径向基函数(RBF)神经网络模型无法选择显著预报因子和易陷入局部最优解的问题,建立一种融合平均影响值(MIV)、改进果蝇算法(FOA)和RBF神经网络的大坝变形监测模型.通过引入MIV对水压、温度、时效三类预报因子进行筛选,并利用改... 针对常规径向基函数(RBF)神经网络模型无法选择显著预报因子和易陷入局部最优解的问题,建立一种融合平均影响值(MIV)、改进果蝇算法(FOA)和RBF神经网络的大坝变形监测模型.通过引入MIV对水压、温度、时效三类预报因子进行筛选,并利用改进FOA算法获得RBF神经网络模型中最佳的spread值,以提高模型的稳定性和预报精度.为验证模型的有效性,以某混凝土重力坝位移监测数据为例,分别建立多元线性回归模型、常规RBF模型、MIV-RBF模型和MIV-改进RBF模型.研究结果表明MIV-改进RBF神经网络大坝变形监测模型预测稳定、精度高,预报效果好. 展开更多
关键词 MIV算法 变量筛选 改进RBF神经网络 大坝变形监测模型
在线阅读 下载PDF
基于改进PSO-SVM-MC模型的大坝变形监测模型 被引量:7
2
作者 杜传阳 郑东健 +3 位作者 张毅 孔庆梅 张秀山 李媛 《水电能源科学》 北大核心 2015年第2期74-77,88,共5页
分析与处理大坝变形监测资料在大坝安全监测中意义重大。支持向量机(SVM)在大坝安全监测建模中应用广泛,但采用标准粒子群(PSO)算法对SVM参数寻优过程中,易陷入局部最优,且残差也会影响模型的预测精度。为提高大坝监测模型的泛化能力和... 分析与处理大坝变形监测资料在大坝安全监测中意义重大。支持向量机(SVM)在大坝安全监测建模中应用广泛,但采用标准粒子群(PSO)算法对SVM参数寻优过程中,易陷入局部最优,且残差也会影响模型的预测精度。为提高大坝监测模型的泛化能力和预测精度,采用改进后的自适应位置PSO(APPSO)算法,对SVM模型的参数进行寻优,并利用马尔科夫链(MC)模型修正PSO-SVM模型的残差。工程实例分析表明,PSO-SVM-MC模型可提高模型预测的泛化能力和精度。 展开更多
关键词 大坝变形监测模型 改进的粒子群优化算法 支持向量机 马尔科夫链
在线阅读 下载PDF
基于动态SVM-MC的大坝变形监测模型及应用 被引量:5
3
作者 杜传阳 郑东健 +2 位作者 张毅 李媛 张秀山 《水电能源科学》 北大核心 2015年第1期71-74,共4页
为了提高大坝监测模型的泛化能力和残差辨识的精确性,将支持向量机模型(SVM)和马尔科夫链模型(MC)相结合,建立了SVM-MC大坝变形监测模型,利用马尔科夫链模型处理SVM模型的残差,在进行预测时,采用动态更新模型的方法,即动态SVM-MC模型,... 为了提高大坝监测模型的泛化能力和残差辨识的精确性,将支持向量机模型(SVM)和马尔科夫链模型(MC)相结合,建立了SVM-MC大坝变形监测模型,利用马尔科夫链模型处理SVM模型的残差,在进行预测时,采用动态更新模型的方法,即动态SVM-MC模型,并通过实例应用做了比较。结果表明,动态SVM-MC模型提高了预测的精度和泛化能力,可用于复杂大坝的安全建模。 展开更多
关键词 大坝变形监测模型 支持向量机 马尔科夫链 动态模型
在线阅读 下载PDF
基于SVM理论的大坝变形监测模型改进方法研究 被引量:5
4
作者 杜传阳 郑东健 《三峡大学学报(自然科学版)》 CAS 2015年第2期10-14,共5页
分析与处理大坝变形监测资料对于大坝安全运行意义重大.支持向量机(SVM)能够有效解决高维数的非线性问题,并且具有良好的泛化能力.以SVM理论为基础,建立大坝变形监测模型,并在此基础上研究其改进方法.改进思路为充分利用马尔科夫链适用... 分析与处理大坝变形监测资料对于大坝安全运行意义重大.支持向量机(SVM)能够有效解决高维数的非线性问题,并且具有良好的泛化能力.以SVM理论为基础,建立大坝变形监测模型,并在此基础上研究其改进方法.改进思路为充分利用马尔科夫链适用于原始监测数据波动大的优势,对其残差进行处理;同时考虑到核参数和惩罚因子的选择对SVM模型有很大影响,采用改进粒子群算法对其参数进行寻优.通过实例分析比较各种改进方法,结果表明,提出的对SVM模型的改进方法可以提高预测的泛化能力及精度. 展开更多
关键词 大坝变形监测模型 支持向量机 改进的粒子群优化算法 马尔科夫链
在线阅读 下载PDF
相关向量机理论在大坝变形监测模型中的方法研究 被引量:7
5
作者 杜传阳 郑东健 《武汉大学学报(工学版)》 CAS CSCD 北大核心 2015年第5期652-657,共6页
建立有效的大坝变形监测模型可以反映大坝运行情况.相关向量机(RVM)具有良好的泛化能力,且适于解决非线性问题,尤其是高维数情况.在RVM理论的基础上,建立大坝变形监测模型,并以此研究其优化改进模型.改进思路如下:利用马尔科夫链适于解... 建立有效的大坝变形监测模型可以反映大坝运行情况.相关向量机(RVM)具有良好的泛化能力,且适于解决非线性问题,尤其是高维数情况.在RVM理论的基础上,建立大坝变形监测模型,并以此研究其优化改进模型.改进思路如下:利用马尔科夫链适于解决监测数据波动大的优势处理模型残差;同时如何选择核参数会严重影响RVM模型的精度,采用一种改进的粒子群算法寻优核参数.通过实例比较多种优化模型发现,基于RVM理论建立模型的优化方法可大大提高预测的泛化能力及精度. 展开更多
关键词 大坝变形监测模型 相关向量机 马尔科夫链 粒子群优化算法
原文传递
偏最小二乘法与神经网络耦合的大坝监测模型 被引量:9
6
作者 吕蓓蓓 杨远斐 《人民黄河》 CAS 北大核心 2013年第3期84-85,89,共3页
针对人工神经网络在大坝变形监测模型应用中所出现的收敛慢和稳定性差等问题,提出了偏最小二乘法与人工神经网络耦合的大坝变形监测模型,提高了神经网络的学习速率和稳定性。首先运用偏最小二乘法对多维自变量进行主成分提取和降维处理... 针对人工神经网络在大坝变形监测模型应用中所出现的收敛慢和稳定性差等问题,提出了偏最小二乘法与人工神经网络耦合的大坝变形监测模型,提高了神经网络的学习速率和稳定性。首先运用偏最小二乘法对多维自变量进行主成分提取和降维处理,解决了变量之间的多重相关问题,而后把降维的数据输入神经网络进行训练。对比实例应用结果表明,偏最小二乘神经网络耦合模型的拟合速度和精度都高于传统的神经网络。 展开更多
关键词 大坝变形监测模型 偏最小二乘法 人工神经网络
在线阅读 下载PDF
逐步RVM-Markov模型在大坝变形预测中的应用 被引量:4
7
作者 唐琪 包腾飞 +1 位作者 杜传阳 滕雯雯 《三峡大学学报(自然科学版)》 CAS 2015年第6期47-51,共5页
相关向量机(RVM)模型具有结构稀疏化、核函数选择范围广等特点,应用到大坝变形预测中比支持向量机(SVM)模型更具优势.同时考虑到残差对预测精度的影响,引入Markov链用于预测数据修正,从而得到一种高精度的逐步RVM-Markov组合模型.在实... 相关向量机(RVM)模型具有结构稀疏化、核函数选择范围广等特点,应用到大坝变形预测中比支持向量机(SVM)模型更具优势.同时考虑到残差对预测精度的影响,引入Markov链用于预测数据修正,从而得到一种高精度的逐步RVM-Markov组合模型.在实际应用中,RVM模型的泛化能力与SVM相当,向量数量却远小于SVM模型,计算过程得到简化,Mrakov链对残差进行修正后又提高了预测精度.将上述组合模型用于大坝变形实例分析,获得了较好的回归预测效果. 展开更多
关键词 大坝变形监测模型 相关向量机 MARKOV链
在线阅读 下载PDF
基于改进Db1GEGA-SVM的大坝变形预警模型
8
作者 王慧 包腾飞 +1 位作者 杨艳慧 顾微 《水电能源科学》 北大核心 2015年第5期52-54,72,共4页
支持向量机(SVM)能有效解决高维数非线性问题,且具有很好的泛化能力,其关键在于惩罚因子及核参数的选取;遗传算法具有良好的全局搜索能力与潜在的并行性,但局部搜索能力差,且易陷入早熟收敛。为提高大坝变形预警模型精度和泛化能力,提... 支持向量机(SVM)能有效解决高维数非线性问题,且具有很好的泛化能力,其关键在于惩罚因子及核参数的选取;遗传算法具有良好的全局搜索能力与潜在的并行性,但局部搜索能力差,且易陷入早熟收敛。为提高大坝变形预警模型精度和泛化能力,提出利用改进的双切点交叉遗传算法(Db1GEGA)对SVM模型进行参数寻优,构建了基于改进Db1GEGA-SVM的大坝变形预警模型,并通过实例应用做了比较。结果表明,基于改进Db1GEGA-SVM的大坝变形预警模型具有更强的泛化能力和更高的预测精度。 展开更多
关键词 大坝变形监测模型 支持向量机 改进的双切点交叉遗传算法 泛化能力 预测精度
在线阅读 下载PDF
BP网络监测模型的Matlab&Delphi混合编程 被引量:5
9
作者 蒋裕丰 何鲜峰 金永强 《水力发电》 北大核心 2008年第1期88-91,共4页
结合Matlab和Delphi各自的优点,利用M文件的传输技术将Delphi和Matlab连接起来,开发出界面友好,功能强大的BP神经网络应用系统,并利用该系统建立了大坝变形监测模型。模型的实际应用表明,该系统具有建模方便、快捷、拟合预测精度较高的... 结合Matlab和Delphi各自的优点,利用M文件的传输技术将Delphi和Matlab连接起来,开发出界面友好,功能强大的BP神经网络应用系统,并利用该系统建立了大坝变形监测模型。模型的实际应用表明,该系统具有建模方便、快捷、拟合预测精度较高的优点。 展开更多
关键词 BP神经网络 混合编程 大坝变形监测模型
在线阅读 下载PDF
Arch-dam crack deformation monitoring hybrid model based on XFEM 被引量:10
10
作者 ZHENG DongJian HUO ZhongYan LI Bo 《Science China(Technological Sciences)》 SCIE EI CAS 2011年第10期2611-2617,共7页
An extended finite element method incorporated with the cohesive crack model(CCM-based XFEM) is developed in consideration of crack tip enrichment.It could improve the accuracy and is introduced into dam safety monito... An extended finite element method incorporated with the cohesive crack model(CCM-based XFEM) is developed in consideration of crack tip enrichment.It could improve the accuracy and is introduced into dam safety monitoring for the first time.Firstly,the proposed method is verified for a benchmark concrete beam by comparing the results with those of numerical investigations obtained by other researchers.Furthermore,it is adopted as an alternative method for building the deformation hybrid models of non-stable cracks in an arc dam,for the reason that classical FEMs are cumbersome in modeling the cohesive crack growth due to the need of remeshing the moving discontinuities.Case study proves that the fitted results of the mentioned deformation hybrid model,better than the classical statistical model,are well consistent with the measured data and reliable to forecast the development tendency of crack deformation.Therefore,the present CCM-based XFEM could provide a practical way to simulate and monitor the cracking process in concrete arch dam. 展开更多
关键词 XFEM cohesive crack model concrete arch dam hybrid model
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部