期刊文献+

糯扎渡堆石坝施工期心墙沉降统计模型分析 被引量:1

Analysis of Statistical Model of Core-Wall Settlement During Construction for Nuozhadu Rockfill Dam
下载PDF
导出
摘要 以糯扎渡施工期心墙沉降为研究对象,阐述了统计回归模型的建立与分析的理论及步骤.借鉴传统统计模型,通过改变模型因子形式建立不同模型,对比分析模型应用结果确定较优且适用的统计模型形式.通过实测资料建立模型并评价模型预测效果,结果表明模型预测精度高,使用较传统模型更为方便,可以作为该工程施工期沉降分析的一个工具,并可为类似工程提供参考. This paper studies the core-wall settlement of Nuozhadu core-wall rockfill dam in the construction period and describes the establishment and analysis of the theory and procedures for statistical regression model.Based on traditional statistical model,different models are established by changing the forms of model factors;comparative analysis of the results of model application is made so as to determine the appropriate and better statistical model form.Through the measured data to establish the model and evaluate the prediction of different models.The results indicate that the accuracy of model prediction is high and it is more convenient than the traditional model.Therefore,it can be used as a tool for settlement analysis for Nuozhadu project in the construction period and providing a reference for similar projects.
出处 《三峡大学学报(自然科学版)》 CAS 2012年第2期19-24,共6页 Journal of China Three Gorges University:Natural Sciences
基金 国家自然科学基金资助项目(51139001 51179066 51079046 50909041) 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(2009586912) 中央高校基本科研业务费项目(2009B08514 2010B20414 2010B01414 2010B14114) 江苏高校优势学科建设工程资助项目(水利工程)(YS11001) 水利部公益性行业科研专项经费项目(201201038)
关键词 糯扎渡水电站 心墙堆石坝 施工期 沉降 统计模型 Nuozhadu hydropower plant core-wall rockfill dam construction period settlement statistical model
  • 相关文献

参考文献7

二级参考文献24

  • 1李应红,尉询楷.支持向量机和神经网络的融合发展[J].空军工程大学学报(自然科学版),2005,6(4):70-73. 被引量:10
  • 2熊建秋,李祚泳.基于支持向量机的水流挟沙力预测研究[J].水利学报,2005,36(10):1171-1175. 被引量:17
  • 3江田汉,束炯.基于LSSVM的混沌时间序列的多步预测[J].控制与决策,2006,21(1):77-80. 被引量:27
  • 4从爽.面向MATLAB工具箱的神经网络理论与应用[M].合肥:中国科技大学出版社,1998.59-60.
  • 5吴中如 沈长松 阮焕祥.论混凝土坝变形统计模型的因子选择[J].河海大学学报:自然科学版,1988,(6):4-12.
  • 6Cristianini N, Shawe-Taylor S. An Introduction to Support Vector Machines and Other Kernel-based Learning Methods [M]. London: Cambridge University Press, 2000
  • 7Deng N Y, Tian Y J. The New Approach in Data Mining-Support Vector Machines[M]. Beiiing: Science Press, 2004
  • 8VLADIMIR N. The nature of statistical learning theory[M]. New York: Springer-Verlag,1995.
  • 9VAPNIK V. The nature of statistical learning theory[M]. New York: Springer, 1995.
  • 10VAPNIK V. Estimation of dependencies based on empirical data[M]. Berlin: Springer-Verlag, 1982.

共引文献84

同被引文献3

引证文献1

二级引证文献2

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