期刊文献+

基于CS-SVM模型的大坝变形监测模型 被引量:1

下载PDF
导出
摘要 为改善大坝安全检测SVM模型参数寻优时间较长,模型稳定性较差的问题,引入布谷鸟算法,用以寻优SVM模型参数(C,v,σ),将改进后的CS-SVM模型用于大坝变形预测中,优选了模型参数,实例验证结果表明,得到的训练、预测期模拟值较实测值基本一致,预测效果良好,CS-SVM模型预测精度更高,稳定性较BP神经网络与SVM更好。该改进模型具有一定的实用意义。
机构地区 河海大学
出处 《低温建筑技术》 2016年第11期113-114,118,共3页 Low Temperature Architecture Technology
  • 相关文献

参考文献3

二级参考文献36

  • 1张进平,黎利兵,卢正超,赵春.大坝安全监测决策支持系统的开发[J].中国水利水电科学研究院学报,2003,1(2):84-89. 被引量:14
  • 2陆有忠,杨有贞,张会林.边坡工程可靠性的支持向量机估计[J].岩石力学与工程学报,2005,24(1):149-153. 被引量:24
  • 3雷鹏,顾冲时.基于粗集推理的大坝安全监测预报模型研究[J].河海大学学报(自然科学版),2005,33(4):391-394. 被引量:4
  • 4Wu Zhongru,Su Huaizhi. Dam health diagnosis and evaluation [ J ]. Smart Materials & Structures, 2005,14 ( 3 ) : 130-136
  • 5Vapnik V N. The nature of statistical learning theory[ M ]. New York: Springer-Verlag, 1995.
  • 6Pawlak Zdzislaw, Skowron Andrzej. Rudiments of rough sets [ J ]. Information Sciences ,2007,177 (1) :3-27.
  • 7Renaud J, Thibault J, Lanouette R, et all. Comparison of two multicriteria decision aid methods: Net flow and rough set methods in a high yield pulping process[ J ]. European Journal of Operational Research,2007,177 (3) :1418-1432
  • 8Katagiri Shinya, Abe Shigeo. Incremental training of support vector machines using hyperspheres [ J ]. Pattern Recognition Letters,2006,27 ( 13 ) : 1495-1507
  • 9Trafalis T B, Gilbert R C. Robust support vector machines for classification and computational issues [ J ]. Optimization Methods and Software,2007,22( 1 ) :187-198
  • 10贾嵘,杨可,蔡振华,等.基于傅里叶分解和最小二乘支持向量机的短期负荷预测[J].中国电机工程学报,2005,25(25):281-284.

共引文献123

同被引文献7

引证文献1

二级引证文献5

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