典型文献
土石坝料压实特性改进多输出预测模型研究
文献摘要：
土石坝料压实特性对保证大坝施工质量至关重要.然而,当前坝料压实特性预测主要是对物理、力学和渗透压实特性的单输出回归预测,缺乏对各压实特性目标间相关性的考虑.针对上述问题,提出土石坝料压实特性的改进多输出高斯过程回归(IMO-GPR)预测模型.采用具有噪声的基于密度的聚类方法构建目标特定特征,对多输出高斯过程回归(MO-GPR)模型原始输入空间进行特征扩展,提高模型高维特征空间复杂映射关系解耦能力;同时,结合MO-GPR模型中的输出协方差系数矩阵,实现对多输出压实特性目标间相关性的有效考虑,以最终实现多输出压实特性精确预测.相比传统的高斯过程回归(GPR)、多输出极限学习机(MO-ELM)和MO-GPR模型,所提IMO-GPR模型的预测精度分别提高了24％、20％和17％,且对噪声干扰、数据异常、数据量少等情况具有更强的鲁棒性,为土石坝料压实特性分析提供了新思路.
文献关键词：
土石坝料;压实特性;改进多输出高斯过程回归模型;目标特定特征;目标相关性
中图分类号：
作者姓名：
刘明辉;王晓玲;王佳俊;岳攀;杨凌云;王晓龙
作者机构：
天津大学水利工程仿真与安全国家重点实验室,天津 300072;雅砻江流域水电开发有限公司,成都 610051;中国电建集团 成都勘测设计研究院有限公司,成都 610072
文献出处：
引用格式：
[1]刘明辉;王晓玲;王佳俊;岳攀;杨凌云;王晓龙-.土石坝料压实特性改进多输出预测模型研究)[J].水力发电学报,2022(01):63-73
A类：
土石坝料,多输出高斯过程,目标特定特征,改进多输出高斯过程回归模型
B类：
压实特性,输出预测,大坝施工,施工质量,特性预测,渗透压,回归预测,出土,IMO,GPR,基于密度,聚类方法,构建目标,输入空间,特征扩展,高维特征空间,映射关系,解耦能力,协方差,系数矩阵,精确预测,极限学习机,ELM,噪声干扰,数据异常,数据量,目标相关性
AB值：
0.212132
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。
