-
题名基于NCL-ELM的混凝土坝变形监控模型
被引量：1
- 1
-
-
作者
王霄
胡雅婷
谷静
胡林生
齐春舫
-
机构
淮安市水利勘测设计研究院有限公司
河海大学水利水电学院
-
出处
《水利水电技术（中英文）》
北大核心
2022年第12期38-46,共9页
-
基金
国家自然科学基金项目(51739003,52079046)。
-
文摘
针对传统混凝土坝变形监控模型在非线性处理、外延预测精度等方面的不足,充分利用集成学习的优势,提出一种负相关学习集成极限学习机(NCL-ELM)的混凝土坝变形监控模型。此模型选用不同激活函数的ELM作为基学习器,并基于负相关学习算法进行集成,增加ELM基学习器间的差异度,实现了集成模型预测性能的提升。以澜沧江中游河段某混凝土拱坝变形数据为例进行变形预测,结果表明:NCL-ELM模型可深入挖掘混凝土坝变形与环境量影响因子间的作用关系,对于选取的3个测点数据,模型预测性能指标均方根误差分别为0.506 mm、0.490 mm、0.430 mm,均方差分别为0.385 mm、0.445 mm、0.343 mm,预测命中率分别为90%、100%、100%;在预测精度和命中率方面均优于统计模型、ELM和M-ELM模型,同时可为变形性态的判别提供参考依据,具有良好的工程应用价值。
-
关键词
混凝土坝变形预测
变形性态判别
极限学习机
集成学习
负相关学习
-
Keywords
concrete dam deformation prediction
deformation behavior judgment
extreme learning machine
ensemble learning
negative correlation learning
-
分类号
TV698.1
[水利工程—水利水电工程]
-
