典型文献
基于SSA-Adam-BP神经网络模型的堰塞坝稳定性预测
文献摘要：
现有的堰塞坝稳定性预测模型多为线性模型,无法充分考虑堰塞坝稳定性与其形态特征和水域条件之间的复杂非线性关系.鉴于此,结合反向传播神经网络模型和樽海鞘优化算法,提出了一种新型的堰塞坝稳定性预测模型SSA-Adam-BP.该模型通过网格搜索法选取确定模型结构的最佳超参数组合,进而利用交叉验证和绘制ROC曲线的方式分别对采用不同优化算法的模型进行评估.使用开源数据库中的全球153例堰塞坝数据对模型的实际应用进行了说明及验证.与传统线性模型的对比表明神经网络模型预测准确率较高,具有较低的误报率.将SSA与Adam优化算法结合提高了 BP模型的全局搜索能力,其平均交叉验证准确率达到了 91.73％,能够使用较少的参数实现对堰塞坝稳定性快速准确的预测.SSA-Adam-BP模型对近年来典型工程的稳定性能够准确预测,具有一定的实用性和系统平台推广应用价值.
文献关键词：
堰塞坝稳定性;机器学习;稳定性预测;BP神经网络;SSA优化算法
中图分类号：
作者姓名：
宋宜祥;张晓波;黄达
作者机构：
河北工业大学土木与交通学院,天津300401
文献出处：
引用格式：
[1]宋宜祥;张晓波;黄达-.基于SSA-Adam-BP神经网络模型的堰塞坝稳定性预测)[J].地质科技通报,2022(02):130-138
A类：
堰塞坝稳定性
B类：
SSA,Adam,稳定性预测,线性模型,水域,非线性关系,反向传播神经网络模型,樽海鞘优化算法,网格搜索法,定模,模型结构,超参数,数组,交叉验证,开源数据,预测准确率,误报率,全局搜索,搜索能力,快速准确,稳定性能,准确预测,系统平台,平台推广,推广应用价值
AB值：
0.235383
相似文献
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。
