典型文献
PSO-SVR优化模型在基坑变形监测预测中的应用
文献摘要：
提出了采用粒子群优化算法(PSO)的快速全局寻优特点,优选支持向量机回归模型的参数,利用PSO-SVR组合模型实现对基坑深部水平位移监测数据进行预测,并将其与BP神经网络预测结果与实测值进行对比.实验结果表明,PSO-SVR模型对基坑变形监测预测的准确度更高,预测值与实测值最贴近,更能反映倾斜监测的位移变化趋势,满足基坑变形监测预测的需要.
文献关键词：
支持向量机回归(SVR);PSO算法;变形监测预测
中图分类号：
作者姓名：
晏晓红;宋丽;荣延祥
作者机构：
深圳市地质局,广东 深圳 518023;长江科学院,湖北 武汉 430014
文献出处：
引用格式：
[1]晏晓红;宋丽;荣延祥-.PSO-SVR优化模型在基坑变形监测预测中的应用)[J].地理空间信息,2022(12):53-57
A类：
变形监测预测
B类：
PSO,SVR,基坑变形监测,粒子群优化算法,全局寻优,优特,支持向量机回归模型,组合模型,模型实现,深部水,水平位移监测,神经网络预测,实测值,倾斜监测,位移变化
AB值：
0.220134
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。
