期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于天牛须优化算法的相关向量机边坡稳定性分析
1
作者
张研
唐北昌
孟庆鹏
《重庆交通大学学报（自然科学版）》
CAS
CSCD
北大核心
2024年第11期11-17,36,共8页
为了快速、准确地预测边坡稳定性,及时控制边坡危害,提出了一种基于天牛须(beetle antennae search,BAS)优化算法的相关向量机(relevance vector machine,RVM)边坡稳定性分析模型。基于RVM模型,建立了边坡影响因素与稳定性的非线性映射...
为了快速、准确地预测边坡稳定性,及时控制边坡危害,提出了一种基于天牛须(beetle antennae search,BAS)优化算法的相关向量机(relevance vector machine,RVM)边坡稳定性分析模型。基于RVM模型,建立了边坡影响因素与稳定性的非线性映射关系;采用BAS算法对RVM模型参数进行优化,提出了基于BAS算法的RVM边坡稳定性分析优化模型;并将该模型应用于京新高速公路的边坡稳定性分析。分析结果表明:与实际值相比,基于BAS-RVM模型的最大绝对值相对误差为3.90%;在相同学习样本下,与RVM模型、支持向量机(support vector machine,SVM)模型和径向基函数(radical basis function,RBF)模型的预测值相比,BAS-RVM模型预测结果的可信度和拟合度更好、精度更高,其平均绝对值误差(mean absolute error,EMA)、均方根误差(root mean square error,ERMS)、相对均方误差(relative root mean square error,ERRMS)远低于其他3种模型。
展开更多
关键词
岩土工程
天牛须优化算法(BAS)
相关向量机(RVM)
预测模型
边坡
在线阅读
下载PDF
职称材料
基于粒子群优化相关向量机的爆破飞石距离预测模型
2
作者
刘小明
唐北昌
+2 位作者
李荣华
陈德斌
梁培钊
《爆破器材》
CAS
CSCD
北大核心
2024年第6期58-64,共7页
为了快速、准确地获取爆破飞石距离,及时控制爆破危害,提出了一种基于粒子群优化(particle swarm optimization,PSO)相关向量机(relevance vector machine,RVM)的爆破飞石距离预测模型。该模型用PSO对RVM模型核宽度参数进行优化,自适应...
为了快速、准确地获取爆破飞石距离,及时控制爆破危害,提出了一种基于粒子群优化(particle swarm optimization,PSO)相关向量机(relevance vector machine,RVM)的爆破飞石距离预测模型。该模型用PSO对RVM模型核宽度参数进行优化,自适应获取最优参数,利用优化后的RVM建立炮孔孔径、炮孔长度、最小抵抗线与孔距之比、炮孔填塞长度、最大一段装药量和炸药单耗6个主要影响因素与爆破飞石距离的非线性映射关系。采用绝对值相对误差δ、均方根误差E_(RMS)、均方误差E_(MS)、平均绝对误差E_(MA)、相关系数R 2等多项指标对模型性能进行评价。将该模型应用于马来西亚柔佛州某矿山的爆破飞石距离预测,并与相同样本下的二次有理高斯过程回归模型、中等高斯核支持向量回归模型和双层神经网络模型3个模型中的最优结果对比:PSO-RVM模型的R 2提高了7.1%,E_(RMS)降低了14.56%,E_(MS)和E_(MA)分别降低了26.99%和15.96%。PSO-RVM模型的预测结果可信度和拟合度更好、精度更高。
展开更多
关键词
粒子群优化算法
相关向量机
爆破
飞石距离
预测模型
在线阅读
下载PDF
职称材料
题名
基于天牛须优化算法的相关向量机边坡稳定性分析
1
作者
张研
唐北昌
孟庆鹏
机构
桂林理工大学土木与建筑工程学院
广西岩土力学与工程重点实验室
出处
《重庆交通大学学报（自然科学版）》
CAS
CSCD
北大核心
2024年第11期11-17,36,共8页
基金
国家自然科学基金项目(52068016)。
文摘
为了快速、准确地预测边坡稳定性,及时控制边坡危害,提出了一种基于天牛须(beetle antennae search,BAS)优化算法的相关向量机(relevance vector machine,RVM)边坡稳定性分析模型。基于RVM模型,建立了边坡影响因素与稳定性的非线性映射关系;采用BAS算法对RVM模型参数进行优化,提出了基于BAS算法的RVM边坡稳定性分析优化模型;并将该模型应用于京新高速公路的边坡稳定性分析。分析结果表明:与实际值相比,基于BAS-RVM模型的最大绝对值相对误差为3.90%;在相同学习样本下,与RVM模型、支持向量机(support vector machine,SVM)模型和径向基函数(radical basis function,RBF)模型的预测值相比,BAS-RVM模型预测结果的可信度和拟合度更好、精度更高,其平均绝对值误差(mean absolute error,EMA)、均方根误差(root mean square error,ERMS)、相对均方误差(relative root mean square error,ERRMS)远低于其他3种模型。
关键词
岩土工程
天牛须优化算法(BAS)
相关向量机(RVM)
预测模型
边坡
Keywords
geotechnical engineering
beetle antennae search(BAS)optimization algorithm
relevance vector machine(RVM)
prediction model
slope
分类号
U417.1 [交通运输工程—道路与铁道工程]
在线阅读
下载PDF
职称材料
题名
基于粒子群优化相关向量机的爆破飞石距离预测模型
2
作者
刘小明
唐北昌
李荣华
陈德斌
梁培钊
机构
广西壮族自治区地质环境监测站
桂林理工大学土木与建筑工程学院
出处
《爆破器材》
CAS
CSCD
北大核心
2024年第6期58-64,共7页
基金
国家自然科学基金(52068016)
广西重点研发计划(桂科AB21196041)。
文摘
为了快速、准确地获取爆破飞石距离,及时控制爆破危害,提出了一种基于粒子群优化(particle swarm optimization,PSO)相关向量机(relevance vector machine,RVM)的爆破飞石距离预测模型。该模型用PSO对RVM模型核宽度参数进行优化,自适应获取最优参数,利用优化后的RVM建立炮孔孔径、炮孔长度、最小抵抗线与孔距之比、炮孔填塞长度、最大一段装药量和炸药单耗6个主要影响因素与爆破飞石距离的非线性映射关系。采用绝对值相对误差δ、均方根误差E_(RMS)、均方误差E_(MS)、平均绝对误差E_(MA)、相关系数R 2等多项指标对模型性能进行评价。将该模型应用于马来西亚柔佛州某矿山的爆破飞石距离预测,并与相同样本下的二次有理高斯过程回归模型、中等高斯核支持向量回归模型和双层神经网络模型3个模型中的最优结果对比:PSO-RVM模型的R 2提高了7.1%,E_(RMS)降低了14.56%,E_(MS)和E_(MA)分别降低了26.99%和15.96%。PSO-RVM模型的预测结果可信度和拟合度更好、精度更高。
关键词
粒子群优化算法
相关向量机
爆破
飞石距离
预测模型
Keywords
particle swarm optimization algorithm
relevance vector machine
blasting
distance of flying rock
prediction model
分类号
TD235.4 [矿业工程—矿井建设]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于天牛须优化算法的相关向量机边坡稳定性分析
张研
唐北昌
孟庆鹏
《重庆交通大学学报（自然科学版）》
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
2
基于粒子群优化相关向量机的爆破飞石距离预测模型
刘小明
唐北昌
李荣华
陈德斌
梁培钊
《爆破器材》
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
