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AdaBoost集成的WPSO-RBF大坝变形监控模型
被引量：
4
1
作者
沈晶鑫
房彬
+2 位作者
郑东健
郭芝韵
李丹
《长江科学院院报》
CSCD
北大核心
2018年第5期57-62,共6页
变形监测是大坝安全监测的必设项目,由于影响因子众多,常利用神经网络(如BP,RBF等)进行参数选取和模型建立。传统的径向基函数(RBF)神经网络因网络结构简单、收敛速度快而被广泛运用,但其在预测中易陷入局部最优且参数选取不当会对其收...
变形监测是大坝安全监测的必设项目,由于影响因子众多,常利用神经网络(如BP,RBF等)进行参数选取和模型建立。传统的径向基函数(RBF)神经网络因网络结构简单、收敛速度快而被广泛运用,但其在预测中易陷入局部最优且参数选取不当会对其收敛性产生影响。因此,首先利用动态权重粒子群算法(WPSO)对RBF神经网络的3个参数(隐含层基函数的中心c、宽度d及隐含层到输出层的权值w)进行优化,建立基于WPSO-RBF的大坝变形监控模型,然后将WPSO-RBF模型作为弱分类器,采用Ada Boost算法进行集成,建立基于WPSO-RBF-Ada Boost的大坝变形监控模型。将该模型运用到工程实例中,实例结果显示该模型具有收敛速度快、分类精度高、泛化能力好,可建立较优的大坝变形监控模型。
展开更多
关键词
大坝变形
监控模型
改进粒子群算法
RBF神经网络
ADABOOST算法
在线阅读
下载PDF
职称材料
题名
基于AdaBoost集成的WPSO-RBF大坝变形监控模型
被引量：
4
1
作者
沈晶鑫
房彬
郑东健
郭芝韵
李丹
机构
河海大学
水利
水电学院
河海大学a水文水资源与水利工程科学国家重点实验室
中国电建集团贵阳勘测设计研究院有限公司
出处
《长江科学院院报》
CSCD
北大核心
2018年第5期57-62,共6页
基金
国家自然科学基金项目(51279052,51579085)
水文水资源与水利工程科学国家重点实验室研究项目(20145028312)
中央高校基本科研业务费专项(2015B32514,2015B33314)
文摘
变形监测是大坝安全监测的必设项目,由于影响因子众多,常利用神经网络(如BP,RBF等)进行参数选取和模型建立。传统的径向基函数(RBF)神经网络因网络结构简单、收敛速度快而被广泛运用,但其在预测中易陷入局部最优且参数选取不当会对其收敛性产生影响。因此,首先利用动态权重粒子群算法(WPSO)对RBF神经网络的3个参数(隐含层基函数的中心c、宽度d及隐含层到输出层的权值w)进行优化,建立基于WPSO-RBF的大坝变形监控模型,然后将WPSO-RBF模型作为弱分类器,采用Ada Boost算法进行集成,建立基于WPSO-RBF-Ada Boost的大坝变形监控模型。将该模型运用到工程实例中,实例结果显示该模型具有收敛速度快、分类精度高、泛化能力好,可建立较优的大坝变形监控模型。
关键词
大坝变形
监控模型
改进粒子群算法
RBF神经网络
ADABOOST算法
Keywords
dam deformation
monitoring model
Particle Swami Optimization with Inertia Weight
RBF neural network
AdaBoost algorithm
分类号
TV698.11 [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
基于AdaBoost集成的WPSO-RBF大坝变形监控模型
沈晶鑫
房彬
郑东健
郭芝韵
李丹
《长江科学院院报》
CSCD
北大核心
2018
4
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
