典型文献
不同机器学习模型对混凝土坝位移预测性能的影响
文献摘要：
针对机器学习模型的合理选择问题,基于Gauss、Linear和Sigmoid核函数,对某拱坝径向位移利用支持向量机、关联向量机、极限学习机和传统多元线性回归法分别建立预测模型,并对比分析拟合均方差、复相关系数、最大绝对误差和预测置信带宽等模型性能评价指标.结果 表明,机器学习模型的性能整体优于多元线性回归模型,但受核函数的影响较大,其中Sigmoid核函数所建模型的预测效果最好,且泛化能力最强,而Gauss核函数的过拟合问题非常严重;支持向量机模型的预测性能最好,且受核函数的影响相对较小,而关联向量机模型的预测置信带宽最小,能有效减少虚假警报.
文献关键词：
混凝土坝;位移;机器学习模型;核函数;预测性能评价
中图分类号：
作者姓名：
隋旭鹏;王少伟;朱圣辉;徐丛
作者机构：
常州大学环境与安全工程学院,江苏常州213164
文献出处：
引用格式：
[1]隋旭鹏;王少伟;朱圣辉;徐丛-.不同机器学习模型对混凝土坝位移预测性能的影响)[J].水电能源科学,2022(01):107-111
A类：
B类：
机器学习模型,混凝土坝,位移预测,Gauss,Linear,Sigmoid,核函数,拱坝,径向位移,极限学习机,多元线性回归法,复相关系数,绝对误差,模型性能,性能评价指标,多元线性回归模型,数所,泛化能力,过拟合,支持向量机模型,警报,预测性能评价
AB值：
0.294167
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。
