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
贝叶斯正则化对混凝土坝位移机器学习模型性能的提升
被引量：
3
1
作者
隋旭鹏
朱圣辉
+2 位作者
王少伟
徐丛
庄钧惠
《水电能源科学》
北大核心
2022年第9期120-124,共5页
针对机器学习模型的过拟合问题和非线性隐式型模型结构,基于贝叶斯正则化对某拱坝径向位移建立神经网络(NN)和支持向量机(SVM)模型,对比分析均方差(M_(MSE))、复相关系数、最大绝对误差、预测M增比等评价指标,并通过部分依赖图(PDP)来...
针对机器学习模型的过拟合问题和非线性隐式型模型结构,基于贝叶斯正则化对某拱坝径向位移建立神经网络(NN)和支持向量机(SVM)模型,对比分析均方差(M_(MSE))、复相关系数、最大绝对误差、预测M增比等评价指标,并通过部分依赖图(PDP)来挖掘机器学习模型的因果解释能力。研究结果表明,贝叶斯正则化能显著提高机器学习模型的预测和解释能力,NN和SVM的预测M_(MSE)分别降至64.67%、3.85%,过拟合程度分别由70.99、9778.36降至41.22、17.15;基于PDP从机器学习模型中分离出的因果分量与传统多元线性回归模型(MLR)相近。采用贝叶斯正则化构建的SVM模型的解释能力与MLR模型最接近,预测性能亦较优。
展开更多
关键词
混凝土坝
位移监控模型
机器学习
贝叶斯正则化
性能提升
在线阅读
下载PDF
职称材料
题名
贝叶斯正则化对混凝土坝位移机器学习模型性能的提升
被引量：
3
1
作者
隋旭鹏
朱圣辉
王少伟
徐丛
庄钧惠
机构
常州大学环境与安全
工程
学院
江苏省江阴市重点水利工程建设管理处
出处
《水电能源科学》
北大核心
2022年第9期120-124,共5页
基金
国家自然科学基金项目(51709021)
中国博士后科学基金项目(2020M670387)
+1 种基金
中国水利水电科学研究院流域水循环模拟与调控国家重点实验室开放研究基金(IWHR-SKL-KF202002)
中国水利水电科学研究院水利部水工程建设与安全重点实验室开放研究基金(202009)。
文摘
针对机器学习模型的过拟合问题和非线性隐式型模型结构,基于贝叶斯正则化对某拱坝径向位移建立神经网络(NN)和支持向量机(SVM)模型,对比分析均方差(M_(MSE))、复相关系数、最大绝对误差、预测M增比等评价指标,并通过部分依赖图(PDP)来挖掘机器学习模型的因果解释能力。研究结果表明,贝叶斯正则化能显著提高机器学习模型的预测和解释能力,NN和SVM的预测M_(MSE)分别降至64.67%、3.85%,过拟合程度分别由70.99、9778.36降至41.22、17.15;基于PDP从机器学习模型中分离出的因果分量与传统多元线性回归模型(MLR)相近。采用贝叶斯正则化构建的SVM模型的解释能力与MLR模型最接近,预测性能亦较优。
关键词
混凝土坝
位移监控模型
机器学习
贝叶斯正则化
性能提升
Keywords
concrete dam
displacement monitoring model
machine learning
Bayesian regularization
performance improvement
分类号
TV642 [水利工程—水利水电工程]
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
贝叶斯正则化对混凝土坝位移机器学习模型性能的提升
隋旭鹏
朱圣辉
王少伟
徐丛
庄钧惠
《水电能源科学》
北大核心
2022
3
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
