典型文献
贝叶斯正则化对混凝土坝位移机器学习模型性能的提升
文献摘要：
针对机器学习模型的过拟合问题和非线性隐式型模型结构,基于贝叶斯正则化对某拱坝径向位移建立神经网络(NN)和支持向量机(SVM)模型,对比分析均方差(MMSE)、复相关系数、最大绝对误差、预测MMSE增比等评价指标,并通过部分依赖图(PDP)来挖掘机器学习模型的因果解释能力.研究结果表明,贝叶斯正则化能显著提高机器学习模型的预测和解释能力,NN和SVM的预测MMSE分别降至64.67％、3.85％,过拟合程度分别由70.99、9 778.36降至41.22、17.15;基于PDP从机器学习模型中分离出的因果分量与传统多元线性回归模型(MLR)相近.采用贝叶斯正则化构建的SVM模型的解释能力与MLR模型最接近,预测性能亦较优.
文献关键词：
混凝土坝;位移监控模型;机器学习;贝叶斯正则化;性能提升
中图分类号：
作者姓名：
隋旭鹏;朱圣辉;王少伟;徐丛;庄钧惠
作者机构：
常州大学环境与安全工程学院,江苏常州213164;江苏省江阴市重点水利工程建设管理处,江苏无锡214431
文献出处：
引用格式：
[1]隋旭鹏;朱圣辉;王少伟;徐丛;庄钧惠-.贝叶斯正则化对混凝土坝位移机器学习模型性能的提升)[J].水电能源科学,2022(09):120-124
A类：
位移监控模型
B类：
贝叶斯正则化,混凝土坝,机器学习模型,模型性能,过拟合,隐式,模型结构,拱坝,径向位移,NN,MMSE,复相关系数,绝对误差,部分依赖图,PDP,挖掘机,因果解释,拟合程度,多元线性回归模型,MLR,预测性能,性能提升
AB值：
0.254637
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。
