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
1
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
基于人工蜂群算法与Elman神经网络的大坝变形监控模型
被引量：
11
1
作者
李鹏鹏
苏怀智
+1 位作者
郭芝韵
钱秋培
《水利水电技术》
CSCD
北大核心
2017年第3期104-108,共5页
针对Elman神经网络收敛速度慢、容易陷入局部极小等问题,建立了人工蜂群算法(ABC)与Elman神经网络组合的大坝变形监控模型。应用于某混凝土重力坝的结果表明,单纯Elman神经网络建模方法预测的相对误差和标准差分别为3.50%和0.131,ABC-El...
针对Elman神经网络收敛速度慢、容易陷入局部极小等问题,建立了人工蜂群算法(ABC)与Elman神经网络组合的大坝变形监控模型。应用于某混凝土重力坝的结果表明,单纯Elman神经网络建模方法预测的相对误差和标准差分别为3.50%和0.131,ABC-Elman(人工蜂群算法与Elman神经网络)模型预测的相对误差和标准差分别为1.98%和0.063。从各影响因子对大坝变形的贡献上看,水压分量占27.9%,温度分量占62.3%,时效分量占9.8%。ABC-Elman模型在建模效率、预测精度等方面均有一定的优势,较适合于大坝变形的建模分析,并可推广于大坝渗流、应力等监控模型中。
展开更多
关键词
大坝变形
监控模型
ELMAN神经网络
人工蜂群算法
金沙江水电基地
云南省昭通市水富县
大坝安全
在线阅读
下载PDF
职称材料
题名
基于人工蜂群算法与Elman神经网络的大坝变形监控模型
被引量：
11
1
作者
李鹏鹏
苏怀智
郭芝韵
钱秋培
机构
河海大学水文水资源与水利工程科学国家重点实验室
河海大学水利水电学院
出处
《水利水电技术》
CSCD
北大核心
2017年第3期104-108,共5页
基金
国家自然科学基金(51579083
51479054
41323001)
文摘
针对Elman神经网络收敛速度慢、容易陷入局部极小等问题,建立了人工蜂群算法(ABC)与Elman神经网络组合的大坝变形监控模型。应用于某混凝土重力坝的结果表明,单纯Elman神经网络建模方法预测的相对误差和标准差分别为3.50%和0.131,ABC-Elman(人工蜂群算法与Elman神经网络)模型预测的相对误差和标准差分别为1.98%和0.063。从各影响因子对大坝变形的贡献上看,水压分量占27.9%,温度分量占62.3%,时效分量占9.8%。ABC-Elman模型在建模效率、预测精度等方面均有一定的优势,较适合于大坝变形的建模分析,并可推广于大坝渗流、应力等监控模型中。
关键词
大坝变形
监控模型
ELMAN神经网络
人工蜂群算法
金沙江水电基地
云南省昭通市水富县
大坝安全
Keywords
dam deformation
monitoring model
Elman neural network
artificial bee colony algorithm
Jinsha River hydropower base
Yunnan Shuifu County
dam safety
分类号
TV [水利工程]
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
基于人工蜂群算法与Elman神经网络的大坝变形监控模型
李鹏鹏
苏怀智
郭芝韵
钱秋培
《水利水电技术》
CSCD
北大核心
2017
11
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
