-
题名基于IGA-LSTM的大坝变形预测模型研究
被引量：1
- 1
-
-
作者
王自赟
刘萍先
陈天荣
蔡竞标
纪海波
邓小珍
-
机构
南昌工程学院机械工程学院
-
出处
《水电能源科学》
北大核心
2025年第6期134-137,共4页
-
基金
江西省教育厅自然科学基金项目(20212BAB204039)。
-
文摘
由于大坝变形受很多因素的影响,监测点得到的位移序列具有较强的时序性和非线性,为此提出一种基于改进遗传算法(IGA)优化的长短时神经网络(LSTM)预测模型。首先对传统遗传算法进行改进,然后使用改进遗传算法对长短时神经网络模型的超参数组合进行寻优,最后利用优化后的超参数组合搭建IGA-LSTM预测模型。以丰满大坝#7坝段的水平位移为例,对比单层LSTM模型、遗传算法(GA)优化的LSTM模型和改进遗传算法优化的LSTM模型。结果表明,IGA-LSTM模型的平均绝对误差(MMAE)、均方根误差(RRMSE)分别为0.2070、0.2259mm,显著低于另外2个模型,说明IGA-LSTM模型的预测精度更高。该模型为大坝变形预测提供了新方法,也为大坝安全预警提供了参考。
-
关键词
大坝变形预测
改进遗传算法
长短时神经网络
超参数组合寻优
-
Keywords
dam deformation prediction
improved genetic algorithm
long short-term memory networks
hyperparameters combination optimization
-
分类号
TV698.1
[水利工程—水利水电工程]
-
-
题名基于GA参数优化的t-SVR网络安全风险评估方法
被引量：5
- 2
-
-
作者
成科
宋海声
安占福
孔永胜
-
机构
西北师范大学物理与电子工程学院
-
出处
《计算机工程与应用》
CSCD
2014年第12期91-95,共5页
-
基金
甘肃省自然科学基金(No.1208RJZA191)
-
文摘
为了提高网络安全风险评估的准确性和实时性,提出一种t时延参数优化支持向量回归机的网络安全风险评估模型(t-SVR)。利用遗传算法(GA)的全局搜索性,对t-SVR模型中的关键参数进行组合寻优。通过对网络安全风险数据集进行仿真,结果表明,基于GA参数优化的t-SVR评估模型已经解决了SVR存在的不足,提高了网络安全风险评估的准确率,缩短了评估时间,评估性能更加稳定。
-
关键词
网络安全风险
t-支持向量回归机(SVR)评估模型
遗传算法
参数组合寻优
-
Keywords
network security risk
t-Support Vector machine for Regression（SVR） assessment model
Genetic Algorithm（GA）
optimal parameters combination
-
分类号
TP393.08
[自动化与计算机技术—计算机应用技术]
-
