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
7
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
滑坡位移预测的SVR-MIV变量筛选方法研究
被引量:
6
1
作者
黄海峰
易武
+2 位作者
刘艺梁
王焕
林海玉
《地下空间与工程学报》
CSCD
北大核心
2016年第1期213-219,共7页
支持向量回归机(Support Vector Regression,SVR)在滑坡位移预测研究中已得到广泛应用,但SVR具有模型可解释性差的缺陷,即无法直接获得并筛选最佳预测变量,从而影响预测精度。为此,将较广泛应用于评价神经网络模型变量影响大小的平均影...
支持向量回归机(Support Vector Regression,SVR)在滑坡位移预测研究中已得到广泛应用,但SVR具有模型可解释性差的缺陷,即无法直接获得并筛选最佳预测变量,从而影响预测精度。为此,将较广泛应用于评价神经网络模型变量影响大小的平均影响值(Mean Impact Value,MIV)方法与SVR模型相结合,实现基于SVR-MIV的变量筛选,该方法不但能对所有预测模型初始变量影响大小进行排序,还可以进一步结合反向逐变量剔除分析实现变量筛选。为验证该方法的有效性,选择三峡库区两类典型水库滑坡代表的累积位移监测数据,在采用移动平均法将位移分解为趋势项和波动项的基础上,重点针对波动项位移,选择包括降雨及库水位变动特征在内的12项初始变量,采用SVR-MIV方法进行变量筛选分析。结果表明,该方法筛选出的变量理论上符合对应滑坡变形影响机理分析结论,且可以提高滑坡位移实际预测精度。
展开更多
关键词
边坡工程
滑坡
位移预测
变量筛选
支持向量回归机
平均影响值
下载PDF
职称材料
基于边坡位移监测数据的进化支持向量机预测模型研究
被引量:
14
2
作者
谈小龙
《岩土工程学报》
EI
CAS
CSCD
北大核心
2009年第5期750-755,共6页
支持向量机方法是基于统计学习理论和结构风险最小化原则的学习方法,在回归预测方面具有良好外推能力,并且适合小样本的统计学习问题。建立支持向量机预测模型,对边坡位移进行预测计算,将预测值和实测值对比分析,验证了支持向量机预测...
支持向量机方法是基于统计学习理论和结构风险最小化原则的学习方法,在回归预测方面具有良好外推能力,并且适合小样本的统计学习问题。建立支持向量机预测模型,对边坡位移进行预测计算,将预测值和实测值对比分析,验证了支持向量机预测模型较强的外推能力和预测计算的有效性。通过对边坡位移初始时序位移数据进行灰色理论的累加生成和累减生成处理,形成新的时间序列数据,在此基础上,计算出预测值,并与基于初始时间序列的支持向量机预测结果对比分析,基于新生成的时间序列数据进行预测计算结果精度明显提高。基于边坡位移监测数据构建训练样本数据集,研究了训练样本数据集的选取对预测结果的影响。对支持向量机预测模型的关键参数进行敏感度分析,并采用进化算法–微粒群算法对支持向量机模型参数加以优化,提高了预测精度。
展开更多
关键词
边坡
位移监测
支持向量机
进化算法
微粒群优化
预测模型
下载PDF
职称材料
基于SVR组合模型的边坡位移预测研究
被引量:
5
3
作者
刘小生
于良
冯腾飞
《金属矿山》
CAS
北大核心
2018年第2期184-187,共4页
为解决传统支持向量机预测模型的不足,造成矿山边坡位移预测精度低的问题。提出了一种基于自适应惯性权重PSO算法的支持向量回归机(SVR)组合预测模型。将其运用到某矿边坡滑坡位移预测中,并与基于灰色预测模型、基于传统SVR预测模型预...
为解决传统支持向量机预测模型的不足,造成矿山边坡位移预测精度低的问题。提出了一种基于自适应惯性权重PSO算法的支持向量回归机(SVR)组合预测模型。将其运用到某矿边坡滑坡位移预测中,并与基于灰色预测模型、基于传统SVR预测模型预测结果对比,结果表明:基于SVR组合预测模型的矿山边坡位移预测的精度更具优势。
展开更多
关键词
支持向量回归机
组合模型
边坡位移预测
下载PDF
职称材料
基于ARIMA和SVR的滚动轴承状态预测方法研究
被引量:
2
4
作者
曹现刚
罗璇
+2 位作者
雷一楠
宫钰蓉
雷卓
《机床与液压》
北大核心
2020年第22期178-181,共4页
滚动轴承作为多种机械设备的关键零件,其运行状态的好坏往往影响着整机设备的运行状况,因此高精度的滚动轴承状态预测对整机设备的运行状态有着重要的意义。针对滚动轴承单一预测模型精度较差的问题,构建一种基于时间序列ARIMA和支持向...
滚动轴承作为多种机械设备的关键零件,其运行状态的好坏往往影响着整机设备的运行状况,因此高精度的滚动轴承状态预测对整机设备的运行状态有着重要的意义。针对滚动轴承单一预测模型精度较差的问题,构建一种基于时间序列ARIMA和支持向量回归机SVR理论的组合预测模型。首先针对单一模型进行预测,应用误差平方和倒数法得到两种预测模型的权重结果,最终将该组合模型的预测结果分别与单一预测模型作比对分析。结果表明:该组合预测模型的预测误差均小于单一模型,具有较高的可靠性。
展开更多
关键词
滚动轴承
状态预测
时间序列
支持向量回归机
组合预测模型
下载PDF
职称材料
高边坡时序位移滚动预测的SVM-Elman模型
被引量:
5
5
作者
刘冲
沈振中
+2 位作者
甘磊
旦增赤列
严中奇
《长江科学院院报》
CSCD
北大核心
2019年第5期62-68,共7页
基于支持向量机(SVM)和Elman神经网络,提出一种新的高边坡位移时序预测模型——SVM-Elman神经网络预测模型。在对实测数据学习的过程中,寻找最佳学习样本数和最佳测试样本数,利用经粒子群算法优化的SVM模型对边坡位移时间序列进行实时...
基于支持向量机(SVM)和Elman神经网络,提出一种新的高边坡位移时序预测模型——SVM-Elman神经网络预测模型。在对实测数据学习的过程中,寻找最佳学习样本数和最佳测试样本数,利用经粒子群算法优化的SVM模型对边坡位移时间序列进行实时滚动预测;并运用Elman神经网络改进SVM的预测结果,得到SVM-Elman模型预测值,通过比较不同隐含层数的Elman神经网络对预测结果的影响,选择最佳隐含层数的SVM-Elman模型,实现对预测结果的改进。将SVM-Elman模型应用于某混凝土面板堆石坝左岸强卸荷岩体高边坡位移预测分析中,并与传统的SVM预测结果进行比较分析。结果表明,SVM-Elman模型在预测精度上有明显提高,预测结果科学可靠,在岩体高边坡时序位移预测中具有一定的工程应用价值。
展开更多
关键词
边坡变形预测
支持向量机
ELMAN神经网络
SVM-Elman模型
粒子群优化算法
隐含层数
下载PDF
职称材料
基于IVDF-SVR耦合模型的边坡变形预测
6
作者
侯太平
杨前冬
+3 位作者
卢雪峰
蒋磊
伍安杰
黄秀银
《人民珠江》
2022年第5期68-74,共7页
针对改进变维分形在分形维数进行拟合预测中的不足,提出一种基于改进变维分形理论(IVDF)和支持向量回归机(SVR)理论耦合的分形预测模型。该模型利用支持向量回归机(SVR)理论来对原来改进变维分形模型中分形维数序列进行拟合预测。以茅...
针对改进变维分形在分形维数进行拟合预测中的不足,提出一种基于改进变维分形理论(IVDF)和支持向量回归机(SVR)理论耦合的分形预测模型。该模型利用支持向量回归机(SVR)理论来对原来改进变维分形模型中分形维数序列进行拟合预测。以茅坪滑坡的边坡位移监测数据为例,选取ln(r)-ln(S1)累计和序列分维分段曲线作为预测模型的分形参数曲线,先利用改进变维分形模型计算各曲线的分段分形维数,进而预测边坡的位移值,再利用IVDF-SVR耦合模型计算各曲线的分段分形维数,进而预测边坡的位移值。预测结果表明,IVDF-SVR耦合模型充分利用了分形理论的自相似性,使预测模型具有良好的抗噪性,同时结合SVR理论的自学习能力,可以实现小样本、非线性条件下的数据拟合与预测的优势,使得该模型能够达到较好的预测长度和较高的预测精度,有着较好的应用前景。
展开更多
关键词
耦合预测模型
改进变维分形
边坡变形
支持向量回归机
下载PDF
职称材料
基于时间序列组合模型的水电机组状态趋势预测
被引量:
6
7
作者
孙慧芳
桂中华
+1 位作者
李林扬
张洋
《水力发电学报》
EI
CSCD
北大核心
2016年第1期79-86,共8页
水电机组状态参量具有小样本、非线性和非平稳性等特点,传统预测理论很难对其实现状态趋势预测,考虑从多角度优化预测算法,建立了基于时间序列的组合预测模型。本研究利用小波变换理论提取信号的细节特征,将机组状态参量分解为非线性的...
水电机组状态参量具有小样本、非线性和非平稳性等特点,传统预测理论很难对其实现状态趋势预测,考虑从多角度优化预测算法,建立了基于时间序列的组合预测模型。本研究利用小波变换理论提取信号的细节特征,将机组状态参量分解为非线性的趋势项和平稳性的波动项,分别利用最小二乘支持向量机(LSSVM)理论和自回归(AR)模型进行趋势预测,利用加法原则重构信号实现水电机组状态参量的趋势预测。取某电站振动状态序列进行实例计算,结果表明预测值与实测值基本一致,具有较高的预测精度。研究结果将对水电机组的状态预警起到一定的推动作用。
展开更多
关键词
水电机组
状态趋势预测
时间序列组合模型
小波分解
最小二乘支持向量机
自回归模型
原文传递
题名
滑坡位移预测的SVR-MIV变量筛选方法研究
被引量:
6
1
作者
黄海峰
易武
刘艺梁
王焕
林海玉
机构
三峡大学湖北长江三峡滑坡国家野外科学观测研究站
三峡地区地质灾害与生态环境湖北省协同创新中心
三峡大学湖北省水电工程智能视觉监测重点实验室
出处
《地下空间与工程学报》
CSCD
北大核心
2016年第1期213-219,共7页
基金
国家自然科学基金(41302260)
湖北省自然科学基金创新群体资助项目(2015CFA025)
+1 种基金
湖北省科技支撑计划(2015BCE070)
水电工程智能视觉监测湖北省重点实验室开放基金(2014KLA11)
文摘
支持向量回归机(Support Vector Regression,SVR)在滑坡位移预测研究中已得到广泛应用,但SVR具有模型可解释性差的缺陷,即无法直接获得并筛选最佳预测变量,从而影响预测精度。为此,将较广泛应用于评价神经网络模型变量影响大小的平均影响值(Mean Impact Value,MIV)方法与SVR模型相结合,实现基于SVR-MIV的变量筛选,该方法不但能对所有预测模型初始变量影响大小进行排序,还可以进一步结合反向逐变量剔除分析实现变量筛选。为验证该方法的有效性,选择三峡库区两类典型水库滑坡代表的累积位移监测数据,在采用移动平均法将位移分解为趋势项和波动项的基础上,重点针对波动项位移,选择包括降雨及库水位变动特征在内的12项初始变量,采用SVR-MIV方法进行变量筛选分析。结果表明,该方法筛选出的变量理论上符合对应滑坡变形影响机理分析结论,且可以提高滑坡位移实际预测精度。
关键词
边坡工程
滑坡
位移预测
变量筛选
支持向量回归机
平均影响值
Keywords
slope
engineering
landslide
displacement
prediction
variable selection
support vector regression machine
mean impact value
分类号
P642.2 [天文地球—工程地质学]
下载PDF
职称材料
题名
基于边坡位移监测数据的进化支持向量机预测模型研究
被引量:
14
2
作者
谈小龙
机构
河海大学土木工程学院
出处
《岩土工程学报》
EI
CAS
CSCD
北大核心
2009年第5期750-755,共6页
基金
国家自然科学基金重点项目(50539110)
国家科技支撑计划项目(2006BAB04A02)
国家科技支撑计划项目(2008BAB29B01)
文摘
支持向量机方法是基于统计学习理论和结构风险最小化原则的学习方法,在回归预测方面具有良好外推能力,并且适合小样本的统计学习问题。建立支持向量机预测模型,对边坡位移进行预测计算,将预测值和实测值对比分析,验证了支持向量机预测模型较强的外推能力和预测计算的有效性。通过对边坡位移初始时序位移数据进行灰色理论的累加生成和累减生成处理,形成新的时间序列数据,在此基础上,计算出预测值,并与基于初始时间序列的支持向量机预测结果对比分析,基于新生成的时间序列数据进行预测计算结果精度明显提高。基于边坡位移监测数据构建训练样本数据集,研究了训练样本数据集的选取对预测结果的影响。对支持向量机预测模型的关键参数进行敏感度分析,并采用进化算法–微粒群算法对支持向量机模型参数加以优化,提高了预测精度。
关键词
边坡
位移监测
支持向量机
进化算法
微粒群优化
预测模型
Keywords
slope
displacement
monitoring
support
vector
machine
evolutionary algorithm
particle swarm optimization
prediction
model
分类号
TU470 [建筑科学—结构工程]
下载PDF
职称材料
题名
基于SVR组合模型的边坡位移预测研究
被引量:
5
3
作者
刘小生
于良
冯腾飞
机构
江西理工大学建筑与测绘工程学院
出处
《金属矿山》
CAS
北大核心
2018年第2期184-187,共4页
基金
国家自然科学基金项目(编号:41561091)
文摘
为解决传统支持向量机预测模型的不足,造成矿山边坡位移预测精度低的问题。提出了一种基于自适应惯性权重PSO算法的支持向量回归机(SVR)组合预测模型。将其运用到某矿边坡滑坡位移预测中,并与基于灰色预测模型、基于传统SVR预测模型预测结果对比,结果表明:基于SVR组合预测模型的矿山边坡位移预测的精度更具优势。
关键词
支持向量回归机
组合模型
边坡位移预测
Keywords
support vector regression machine
,
combination model
,
slope displacement prediction
分类号
P258 [天文地球—测绘科学与技术]
下载PDF
职称材料
题名
基于ARIMA和SVR的滚动轴承状态预测方法研究
被引量:
2
4
作者
曹现刚
罗璇
雷一楠
宫钰蓉
雷卓
机构
西安科技大学机械工程学院
出处
《机床与液压》
北大核心
2020年第22期178-181,共4页
基金
国家自然科学基金重点项目资助项目(51834006)
国家自然科学基金(51875451)。
文摘
滚动轴承作为多种机械设备的关键零件,其运行状态的好坏往往影响着整机设备的运行状况,因此高精度的滚动轴承状态预测对整机设备的运行状态有着重要的意义。针对滚动轴承单一预测模型精度较差的问题,构建一种基于时间序列ARIMA和支持向量回归机SVR理论的组合预测模型。首先针对单一模型进行预测,应用误差平方和倒数法得到两种预测模型的权重结果,最终将该组合模型的预测结果分别与单一预测模型作比对分析。结果表明:该组合预测模型的预测误差均小于单一模型,具有较高的可靠性。
关键词
滚动轴承
状态预测
时间序列
支持向量回归机
组合预测模型
Keywords
Rolling bearing
State
prediction
Time series
support vector regression machine
Combined
prediction
model
分类号
TH133.3 [机械工程—机械制造及自动化]
下载PDF
职称材料
题名
高边坡时序位移滚动预测的SVM-Elman模型
被引量:
5
5
作者
刘冲
沈振中
甘磊
旦增赤列
严中奇
机构
河海大学水文水资源与水利工程科学国家重点实验室
河海大学水利水电学院
浙江省桐乡市水利局
出处
《长江科学院院报》
CSCD
北大核心
2019年第5期62-68,共7页
基金
国家自然科学基金项目(51179062)
2016年度江苏省普通高校学术学位研究生科研创新计划项目(KYZZ16_0284)
+1 种基金
江苏省自然科学基金青年基金项目(BK2012410)
中央高校基本科研业务费项目(2014B11914)
文摘
基于支持向量机(SVM)和Elman神经网络,提出一种新的高边坡位移时序预测模型——SVM-Elman神经网络预测模型。在对实测数据学习的过程中,寻找最佳学习样本数和最佳测试样本数,利用经粒子群算法优化的SVM模型对边坡位移时间序列进行实时滚动预测;并运用Elman神经网络改进SVM的预测结果,得到SVM-Elman模型预测值,通过比较不同隐含层数的Elman神经网络对预测结果的影响,选择最佳隐含层数的SVM-Elman模型,实现对预测结果的改进。将SVM-Elman模型应用于某混凝土面板堆石坝左岸强卸荷岩体高边坡位移预测分析中,并与传统的SVM预测结果进行比较分析。结果表明,SVM-Elman模型在预测精度上有明显提高,预测结果科学可靠,在岩体高边坡时序位移预测中具有一定的工程应用价值。
关键词
边坡变形预测
支持向量机
ELMAN神经网络
SVM-Elman模型
粒子群优化算法
隐含层数
Keywords
prediction
of high
slope
displacement
support
vector
machine
Elman neural network
SVM-Elman
model
particle swarm optimization algorithm
number of hidden layer
分类号
TV698.1 [水利工程—水利水电工程]
下载PDF
职称材料
题名
基于IVDF-SVR耦合模型的边坡变形预测
6
作者
侯太平
杨前冬
卢雪峰
蒋磊
伍安杰
黄秀银
机构
中铁城建集团第一工程有限公司
贵州大学
贵州联建土木工程质量检测监控中心有限公司
出处
《人民珠江》
2022年第5期68-74,共7页
基金
国家自然科学基金(41372356)。
文摘
针对改进变维分形在分形维数进行拟合预测中的不足,提出一种基于改进变维分形理论(IVDF)和支持向量回归机(SVR)理论耦合的分形预测模型。该模型利用支持向量回归机(SVR)理论来对原来改进变维分形模型中分形维数序列进行拟合预测。以茅坪滑坡的边坡位移监测数据为例,选取ln(r)-ln(S1)累计和序列分维分段曲线作为预测模型的分形参数曲线,先利用改进变维分形模型计算各曲线的分段分形维数,进而预测边坡的位移值,再利用IVDF-SVR耦合模型计算各曲线的分段分形维数,进而预测边坡的位移值。预测结果表明,IVDF-SVR耦合模型充分利用了分形理论的自相似性,使预测模型具有良好的抗噪性,同时结合SVR理论的自学习能力,可以实现小样本、非线性条件下的数据拟合与预测的优势,使得该模型能够达到较好的预测长度和较高的预测精度,有着较好的应用前景。
关键词
耦合预测模型
改进变维分形
边坡变形
支持向量回归机
Keywords
coupled
prediction
model
improved variable-dimension fractal
slope
deformation
support vector regression machine
分类号
P642.22 [天文地球—工程地质学]
下载PDF
职称材料
题名
基于时间序列组合模型的水电机组状态趋势预测
被引量:
6
7
作者
孙慧芳
桂中华
李林扬
张洋
机构
国网新源控股有限公司技术中心
国网新源控股有限公司潘家口蓄能电厂
国网新源控股有限公司
出处
《水力发电学报》
EI
CSCD
北大核心
2016年第1期79-86,共8页
基金
国网新源控股技术中心抽水蓄能机组运行稳定性评价研究(52573014008T)
文摘
水电机组状态参量具有小样本、非线性和非平稳性等特点,传统预测理论很难对其实现状态趋势预测,考虑从多角度优化预测算法,建立了基于时间序列的组合预测模型。本研究利用小波变换理论提取信号的细节特征,将机组状态参量分解为非线性的趋势项和平稳性的波动项,分别利用最小二乘支持向量机(LSSVM)理论和自回归(AR)模型进行趋势预测,利用加法原则重构信号实现水电机组状态参量的趋势预测。取某电站振动状态序列进行实例计算,结果表明预测值与实测值基本一致,具有较高的预测精度。研究结果将对水电机组的状态预警起到一定的推动作用。
关键词
水电机组
状态趋势预测
时间序列组合模型
小波分解
最小二乘支持向量机
自回归模型
Keywords
hydropower generating units
condition trend
prediction
time series
combination model
wavelet decomposition
least squares
support
vector
machine
auto regressive
model
分类号
TK730 [交通运输工程—轮机工程]
原文传递
题名
作者
出处
发文年
被引量
操作
1
滑坡位移预测的SVR-MIV变量筛选方法研究
黄海峰
易武
刘艺梁
王焕
林海玉
《地下空间与工程学报》
CSCD
北大核心
2016
6
下载PDF
职称材料
2
基于边坡位移监测数据的进化支持向量机预测模型研究
谈小龙
《岩土工程学报》
EI
CAS
CSCD
北大核心
2009
14
下载PDF
职称材料
3
基于SVR组合模型的边坡位移预测研究
刘小生
于良
冯腾飞
《金属矿山》
CAS
北大核心
2018
5
下载PDF
职称材料
4
基于ARIMA和SVR的滚动轴承状态预测方法研究
曹现刚
罗璇
雷一楠
宫钰蓉
雷卓
《机床与液压》
北大核心
2020
2
下载PDF
职称材料
5
高边坡时序位移滚动预测的SVM-Elman模型
刘冲
沈振中
甘磊
旦增赤列
严中奇
《长江科学院院报》
CSCD
北大核心
2019
5
下载PDF
职称材料
6
基于IVDF-SVR耦合模型的边坡变形预测
侯太平
杨前冬
卢雪峰
蒋磊
伍安杰
黄秀银
《人民珠江》
2022
0
下载PDF
职称材料
7
基于时间序列组合模型的水电机组状态趋势预测
孙慧芳
桂中华
李林扬
张洋
《水力发电学报》
EI
CSCD
北大核心
2016
6
原文传递
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