典型文献
基于NCL-ELM的混凝土坝变形监控模型
文献摘要：
针对传统混凝土坝变形监控模型在非线性处理、外延预测精度等方面的不足,充分利用集成学习的优势,提出一种负相关学习集成极限学习机(NCL-ELM)的混凝土坝变形监控模型.此模型选用不同激活函数的ELM作为基学习器,并基于负相关学习算法进行集成,增加ELM基学习器间的差异度,实现了集成模型预测性能的提升.以澜沧江中游河段某混凝土拱坝变形数据为例进行变形预测,结果表明:NCL-ELM模型可深入挖掘混凝土坝变形与环境量影响因子间的作用关系,对于选取的3个测点数据,模型预测性能指标均方根误差分别为0.506 mm、0.490 mm、0.430 mm,均方差分别为0.385 mm、0.445 mm、0.343 mm,预测命中率分别为90％、100％、100％;在预测精度和命中率方面均优于统计模型、ELM和M-ELM模型,同时可为变形性态的判别提供参考依据,具有良好的工程应用价值.
文献关键词：
混凝土坝变形预测;变形性态判别;极限学习机;集成学习;负相关学习
中图分类号：
作者姓名：
王霄;胡雅婷;谷静;胡林生;齐春舫
作者机构：
淮安市水利勘测设计研究院有限公司,江苏 淮安 223005;河海大学 水利水电学院,江苏 南京 210098
文献出处：
引用格式：
[1]王霄;胡雅婷;谷静;胡林生;齐春舫-.基于NCL-ELM的混凝土坝变形监控模型)[J].水利水电技术（中英文）,2022(12):38-46
A类：
负相关学习,变形性态判别
B类：
NCL,ELM,变形监控,监控模型,集成学习,集成极限学习机,激活函数,基学习器,差异度,集成模型,预测性能,澜沧江,江中,河段,混凝土拱坝,形数,命中率,统计模型,混凝土坝变形预测
AB值：
0.179568
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
