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
基于熵权法优化组合的PSO-SVR-NGM边坡位移预测
被引量:
2
1
作者
李晴文
裴华富
+1 位作者
宋怀博
朱鸿鹄
《工程地质学报》
CSCD
北大核心
2023年第3期949-958,共10页
基于边坡监测数据建立数学模型,是边坡变形和稳定性分析的重要方法。但是单一预测模型的形式和应用范围具有一定的确定性,不同模型对数据的利用程度也有所差别,往往不能充分运用已知信息,导致模型精度不高,适用性不强。针对单一预测模...
基于边坡监测数据建立数学模型,是边坡变形和稳定性分析的重要方法。但是单一预测模型的形式和应用范围具有一定的确定性,不同模型对数据的利用程度也有所差别,往往不能充分运用已知信息,导致模型精度不高,适用性不强。针对单一预测模型存在的问题,提出一种基于熵权法的PSO-SVR-NGM优化组合模型。该模型结合高精度变权缓冲NGM(1,1,k,c)模型和PSO-SVR模型,能够减小单一预测模型的误差,大幅度提高预测精度。首先通过引入变权缓冲算子λ和背景值权重系数η、κ改进无偏NGM(1,1,k,c)模型,构建新的3参数变权缓冲NGM(1,1,k,c)模型。结合最大灰色关联度和最小平均相对拟合误差重新构造粒子群算法的适应度函数,利用改进的粒子群算法对提出的变权缓冲模型进行搜索寻优,确定最佳的参数组合。然后通过熵权法对改进的变权缓冲NGM(1,1,k,c)模型和PSO-SVR模型进行赋权建立优化组合模型。最后,将该组合模型应用于3个不同变形特征的边坡工程中,并与其他单一模型进行对比分析。结果表明,相对于单一模型,本文所提出的组合模型的拟合和预测误差较小,与原始位移数据的相关性较好,能够更真实地反映边坡变形规律,具有较强的工程适应性。同时组合模型的提出与发展也促进了单一模型的优化改进,为解决实际工程问题提供了良好的思路。
展开更多
关键词
变权缓冲算子
变权缓冲
ngm
(
1
1
k
c
)模型
粒子群优化
支持向量机
熵权法
在线阅读
下载PDF
职称材料
题名
基于熵权法优化组合的PSO-SVR-NGM边坡位移预测
被引量:
2
1
作者
李晴文
裴华富
宋怀博
朱鸿鹄
机构
海岸和近海工程国家重点实验室(大连理工大学)
南京大学地球科学与工程学院
出处
《工程地质学报》
CSCD
北大核心
2023年第3期949-958,共10页
基金
国家重点研发计划(资助号:2018YFC1505104,2017YFC1503103)
兴辽英才项目(资助号:XLYC1807263)。
文摘
基于边坡监测数据建立数学模型,是边坡变形和稳定性分析的重要方法。但是单一预测模型的形式和应用范围具有一定的确定性,不同模型对数据的利用程度也有所差别,往往不能充分运用已知信息,导致模型精度不高,适用性不强。针对单一预测模型存在的问题,提出一种基于熵权法的PSO-SVR-NGM优化组合模型。该模型结合高精度变权缓冲NGM(1,1,k,c)模型和PSO-SVR模型,能够减小单一预测模型的误差,大幅度提高预测精度。首先通过引入变权缓冲算子λ和背景值权重系数η、κ改进无偏NGM(1,1,k,c)模型,构建新的3参数变权缓冲NGM(1,1,k,c)模型。结合最大灰色关联度和最小平均相对拟合误差重新构造粒子群算法的适应度函数,利用改进的粒子群算法对提出的变权缓冲模型进行搜索寻优,确定最佳的参数组合。然后通过熵权法对改进的变权缓冲NGM(1,1,k,c)模型和PSO-SVR模型进行赋权建立优化组合模型。最后,将该组合模型应用于3个不同变形特征的边坡工程中,并与其他单一模型进行对比分析。结果表明,相对于单一模型,本文所提出的组合模型的拟合和预测误差较小,与原始位移数据的相关性较好,能够更真实地反映边坡变形规律,具有较强的工程适应性。同时组合模型的提出与发展也促进了单一模型的优化改进,为解决实际工程问题提供了良好的思路。
关键词
变权缓冲算子
变权缓冲
ngm
(
1
1
k
c
)模型
粒子群优化
支持向量机
熵权法
Keywords
variable
weight
buffer
operator
variable
weight
buffer
ngm
(1,1,
k
,
c
)
model
Parti
c
le swarm optimization
Support ve
c
tor ma
c
hine
Entropy
weight
method
分类号
P642.22 [天文地球—工程地质学]
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
基于熵权法优化组合的PSO-SVR-NGM边坡位移预测
李晴文
裴华富
宋怀博
朱鸿鹄
《工程地质学报》
CSCD
北大核心
2023
2
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