期刊导航
期刊开放获取
河南省图书馆
退出
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
基于改进Stacking集成学习的高强度钢柱屈曲能力预测
被引量:
1
1
作者
何智成
韩茳
+1 位作者
宋贤海
张桂勇
《计算力学学报》
CAS
CSCD
北大核心
2023年第4期585-593,共9页
由于屈曲强度的形成机制复杂,影响屈曲强度的因素较多,目前对屈曲强度的认识还不全面。近年来,机器学习已初步应用于预测结构屈曲强度等力学性能,然而基于实验测试的样本数据量小容易造成过拟合,导致其预测精度低。本文提出一种基于改进...
由于屈曲强度的形成机制复杂,影响屈曲强度的因素较多,目前对屈曲强度的认识还不全面。近年来,机器学习已初步应用于预测结构屈曲强度等力学性能,然而基于实验测试的样本数据量小容易造成过拟合,导致其预测精度低。本文提出一种基于改进Stacking算法的GSSA(Grid Search-Stacking Algorithm)模型,并对某型号高强度钢柱屈曲强度进行预测,提升了屈曲强度的预测精度。首先,基于标准Stacking算法通过使用网格搜索算法选择最优基模型组合,并采用留一交叉验证(LOOCV)法训练基模型,实现了GSSA模型的构建,有效解决了小样本集训练带来的预测精度低问题;然后,为了进一步验证GSSA模型的可靠性,本文采用Bland-Altman法对GSSA模型进行一致性评价,结果表明,GSSA模型具有很好的可靠性;最后,采用SHAP模型对GSSA模型预测的屈曲强度进行了可解释性分析,实现了其影响因素评价。
展开更多
关键词
屈曲强度
Stacking算法
gssa模型
Bland-Altman法
SHAP
模型
下载PDF
职称材料
题名
基于改进Stacking集成学习的高强度钢柱屈曲能力预测
被引量:
1
1
作者
何智成
韩茳
宋贤海
张桂勇
机构
湖南大学汽车车身先进设计制造国家重点实验室
南昌航空大学材料科学与工程学院
大连理工大学工业装备结构分析优化与CAE软件全国重点实验室船舶工程学院
出处
《计算力学学报》
CAS
CSCD
北大核心
2023年第4期585-593,共9页
基金
国家自然科学基金联合基金(U20A20285)
湖南省杰出青年科学基金(2021JJ10016)资助项目。
文摘
由于屈曲强度的形成机制复杂,影响屈曲强度的因素较多,目前对屈曲强度的认识还不全面。近年来,机器学习已初步应用于预测结构屈曲强度等力学性能,然而基于实验测试的样本数据量小容易造成过拟合,导致其预测精度低。本文提出一种基于改进Stacking算法的GSSA(Grid Search-Stacking Algorithm)模型,并对某型号高强度钢柱屈曲强度进行预测,提升了屈曲强度的预测精度。首先,基于标准Stacking算法通过使用网格搜索算法选择最优基模型组合,并采用留一交叉验证(LOOCV)法训练基模型,实现了GSSA模型的构建,有效解决了小样本集训练带来的预测精度低问题;然后,为了进一步验证GSSA模型的可靠性,本文采用Bland-Altman法对GSSA模型进行一致性评价,结果表明,GSSA模型具有很好的可靠性;最后,采用SHAP模型对GSSA模型预测的屈曲强度进行了可解释性分析,实现了其影响因素评价。
关键词
屈曲强度
Stacking算法
gssa模型
Bland-Altman法
SHAP
模型
Keywords
buckling strength
standard Stacking algorithm
gssa
model
Bland-Altman method
SHAP model
分类号
O302 [理学—力学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进Stacking集成学习的高强度钢柱屈曲能力预测
何智成
韩茳
宋贤海
张桂勇
《计算力学学报》
CAS
CSCD
北大核心
2023
1
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