典型文献
基于有监督机器学习基坑变形预测模型的比较与分析
文献摘要：
影响深基坑变形因素繁多,位移预测问题呈高度非线性和模糊性,为探究目前基于有监督机器学习软计算(Soft Computing Method,SCM)法深基坑位移预测模型的精度性能,对基于支持向量机(Support Vector Model,SVM)位移预测模型、基于随机森林(Random Forest,RF)预测模型、基于反向传播(Back Propagation,BP)神经网络预测模型、基于径向基(Radial Basis Function,RBF)神经网络预测模型、基于Elman神经网络预测模型和长短期记忆(Long Short-Term Memory,LSTM)神经网络预测模型进行了实际深基坑工程一至三天位移预测试验.试验验证了基于有监督机器学习软计算法模型预测深基坑位移的可行性,展现了人工神经网络(Artificial Neural Network,ANN)算法的优越性,并得出了Elman预测模型适用于预测一天和两天深基坑位移预测,而BP预测模型适用于预测三天沉降任务的结论.
文献关键词：
深基坑;变形预测;人工神经网络;机器学习
中图分类号：
作者姓名：
吴福成;陈伟;缪丹;叶建新;曾绮琪;聂竹林;王凤之
作者机构：
广州广检建设工程检测中心有限公司;广东省建筑物健康监测与安全预警工程技术研究中心
文献出处：
引用格式：
[1]吴福成;陈伟;缪丹;叶建新;曾绮琪;聂竹林;王凤之-.基于有监督机器学习基坑变形预测模型的比较与分析)[J].广东建材,2022(11):30-34
A类：
B类：
有监督机器学习,基坑变形预测,比较与分析,深基坑变形,变形因素,位移预测,高度非线性,模糊性,Soft,Computing,Method,SCM,基坑位移,Support,Vector,Model,Random,Forest,RF,反向传播,Back,Propagation,神经网络预测模型,径向基,Radial,Basis,Function,RBF,Elman,长短期记忆,Long,Short,Term,Memory,深基坑工程,三天,计算法,算法模型,测深,人工神经网络,Artificial,Neural,Network,ANN,两天
AB值：
0.384796
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。
