典型文献
多元宇宙算法在大坝水平位移预测中的应用
文献摘要:
针对大坝变形预测的影响因素过多且无法精准预测的问题,将主成分分析方法、多元宇宙算法、BP神经网络协同应用于大坝水平位移预测中,构建出PCA-MVO-BP预测模型.通过PCA来降低原始输入参数的维度,消除变量间相关性,并结合多元宇宙算法的快速收敛、泛化能力强的特性,解决BP神经网络预测模型中的权值和阈值的优化问题.以丰满大坝监测数据为测试样本,将组合模型与常规预测模型进行对比.结果表明:相较于常规LSSVM、RF、SVM算法,组合预测模型的平均误差、标准误差、平均绝对百分比误差值均较小,其预测精度较于单一BP神经网络提高了28.85%.表明了PCA-MVO-BP模型在大坝水平位移预测中的现实性.
文献关键词:
主成分分析;多元宇宙算法;神经网络;大坝水平位移;参数优化
中图分类号:
作者姓名:
张炎;刘立龙;蒙金龙;梁月吉;徐勇
作者机构:
桂林理工大学测绘地理信息学院,广西桂林 541006;广西空间信息与测绘重点实验室,广西桂林 541006
文献出处:
引用格式:
[1]张炎;刘立龙;蒙金龙;梁月吉;徐勇-.多元宇宙算法在大坝水平位移预测中的应用)[J].测绘科学,2022(11):48-55
A类:
B类:
多元宇宙算法,大坝水平位移,位移预测,大坝变形预测,精准预测,主成分分析方法,网络协同,协同应用,MVO,来降,输入参数,快速收敛,泛化能力,神经网络预测模型,权值,优化问题,丰满,大坝监测,组合模型,LSSVM,RF,组合预测模型,平均误差,标准误差,平均绝对百分比误差,误差值,现实性
AB值:
0.300797
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。