期刊文献+

基于最小二乘支持向量机的大坝应力预测模型 被引量:10

Dam's Stress Prediction Model Based on LS-SVM Method
下载PDF
导出
摘要 应力的监测一直是大坝安全监测中极为重要的部分,传统的预测方法精度有时候不高,为了提高预测的精度,提出了一种基于最小二乘支持向量机(LS-SVM)的大坝应力预测模型。通过具体工程实例计算,LS-SVM表现出很好的鲁棒性和预测精度高的优势,应力预测精度比传统的逐步回归方法提高了很多,为大坝应力分析提供了一种可靠的、有效的途径和方法。 The stress monitoring has been an extremely important part in dam monitoring.Sometimes the traditional forecasting methods have no high accuracy.In order to improve the accuracy of prediction,a dam's stress prediction model is proposed here based on Least Squares Support Vector Machines(LS-SVM).Through applying in one dam,LS-SVM shows the advantages of good robustness and high prediction accuracy,and its stress prediction accuracy is improved a lot than that using the traditional stepwise regression method,so as to provide a reliable and effictive way and means in dam stress analysis.
出处 《水利与建筑工程学报》 2011年第1期26-29,共4页 Journal of Water Resources and Architectural Engineering
基金 水利部公益性项目(201101013) 国家自然科学基金资助项目(51079046 50909041 50809025 50879024) 国家科技支撑计划课题(2006BAC14B03 2008BAB29B03) 河海大学水文水资源与水利工程科学国家重点实验室专项基金(2009586012 2010585212) 中央高校基本科研业务费项目(2009B08514 2010B20414 2010B14114) 中国水电工程顾问集团公司科技项目(CHC-KJ-2007-02) 江苏省"333高层次人才培养工程"(2017-B08037) 江苏省普通高校研究生科研创新计划(CX09B-163Z) 高等学校博士学科点专项科研基金(20070294023)
关键词 最小二乘支持向量机 应力 预测 逐步回归 LS-SVM stress forecast stepwise regression
  • 相关文献

参考文献4

二级参考文献27

  • 1郭小荟,马小平.基于最小二乘支持向量机的选煤厂日用水量短期预测[J].煤炭学报,2007,32(10):1093-1097. 被引量:5
  • 2彭虹,李永炜,刘爱光.新安江大坝实测温度及应力分析[J].大坝观测与土工测试,1989,13(2):1-8. 被引量:2
  • 3张仪萍,王士金,张土乔.沉降预测的多层递阶时间序列模型研究[J].浙江大学学报(工学版),2005,39(7):983-986. 被引量:13
  • 4郑东健,顾冲时,吴中如.边坡变形的多因素时变预测模型[J].岩石力学与工程学报,2005,24(17):3180-3184. 被引量:75
  • 5VNVapnik 张学工译.统计学习理论的本质[M].北京:清华大学出版社,2000..
  • 6VAOBUJ V N. The nature of statistical learining theory. New York: Springer, 1995.
  • 7邓昌铁.意大利水电站大坝安全监控概况[J].河海大学科技情报,1989,9(2):32-42.
  • 8G P Liu.Nonlinear Identification and Control:a Neural Network Approach[M].London,New York:Springer,2001.
  • 9V N Vapnik,S Golowich,A Smola.Support vector method for function approximation,regression estimation,and signal processing[C]//In M Mozer,M Jordan,and T Petsche,(eds.).Advances in Neural Information Processing Systems.Cambridge,MA:MIT Press,1997:281-287.
  • 10J C Christopher,A Burges.A tutorial on support vector machines for pattern recognition[J].Data Mining and Knowledge Discovery (S1384-5810),1998,2(2):121-167.

共引文献105

同被引文献71

引证文献10

二级引证文献35

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部