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
共找到3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：
基于BBO-SVM的大坝变形预测模型与性能验证 被引量：14
1
作者 刘志 刘泽 +3 位作者 杨金辉 高培培 朱光华 胡少华 《水利水电技术》 北大核心 2020年第8期62-68,共7页
针对大坝监测数据小样本、高维度和非线性的特点,引入支持向量机(SVM)机器学习方法,采用生物地理学优化算法(BBO)优化其惩罚因子c和核函数参数g,建立了基于BBO-SVM的大坝变形预测模型。结合2011—2016年水口大坝4个测点共900组环境量与... 针对大坝监测数据小样本、高维度和非线性的特点,引入支持向量机(SVM)机器学习方法,采用生物地理学优化算法(BBO)优化其惩罚因子c和核函数参数g,建立了基于BBO-SVM的大坝变形预测模型。结合2011—2016年水口大坝4个测点共900组环境量与效应量监测数据,对模型预测性能进行了验证,并将预测结果与SVM、PSO-SVM和ABC-SVM大坝变形预测模型进行对比。结果表明:文中提出的BBO-SVM模型不仅预测精度高,且稳定性更好,4个测点的均方根误差分别达到了0.3320、0.4735、0.4057、0.2228,拟合优度分别达到了0.9104、0.9610、0.9624、0.9569。本研究可提高大坝安全监测成果利用,对于大坝健康状态预测评估具有一定的工程指导意义。 展开更多
关键词 大坝变形 预测模型 bbo-svm 预测性能
在线阅读 下载PDF
基于MIC-BBO-SVM的大坝渗流预测模型 被引量：11
2
作者 刘泽 章光 +1 位作者 李伟林 胡少华 《中国安全生产科学技术》 CAS CSCD 北大核心 2020年第11期12-18,共7页
为监控大坝运行过程中的异常状态,准确预测大坝渗流量的变化趋势,采用最大信息系数(MIC)量化渗流量与影响因子之间的相关性大小并从中选取主导因子作为输入变量,通过引入生物地理学优化算法(BBO)并以K折交叉验证意义下的平均均方根误差... 为监控大坝运行过程中的异常状态,准确预测大坝渗流量的变化趋势,采用最大信息系数(MIC)量化渗流量与影响因子之间的相关性大小并从中选取主导因子作为输入变量,通过引入生物地理学优化算法(BBO)并以K折交叉验证意义下的平均均方根误差为损失函数来优化支持向量机(SVM)作为预测模型,以某水电站工程的拦河大坝为例进行模型验证。结果表明:MIC-BBO-SVM模型的拟合优度、均方根误差、平均绝对误差和平均绝对百分比误差分别为0.9575,0.1550 m^3/h,0.1356 m^3/h,11.51%,预测性能明显优于逐步回归模型、SVM模型和MIC-SVM模型,可为大坝渗流安全监测提供参考与借鉴。 展开更多
关键词 安全监测 渗流量 因子优选 MIC-bbo-svm 预测精度
在线阅读 下载PDF
基于PCA-BBO-SVM的尾矿坝变形预测模型与性能验证研究 被引量：9
3
作者 华国威 娄彦彬 +1 位作者 王世杰 胡少华 《中国安全生产科学技术》 CAS CSCD 北大核心 2022年第9期20-26,共7页
为准确预测尾矿坝变形趋势,通过主成分分析法(PCA)对尾矿坝变形影响因子进行优选,基于生物地理学优化算法(BBO)对支持向量机(SVM)参数进行寻优,建立PCA-BBO-SVM尾矿坝变形预测模型,并以杨家湾尾矿坝为例对模型性能进行验证。研究结果表... 为准确预测尾矿坝变形趋势,通过主成分分析法(PCA)对尾矿坝变形影响因子进行优选,基于生物地理学优化算法(BBO)对支持向量机(SVM)参数进行寻优,建立PCA-BBO-SVM尾矿坝变形预测模型,并以杨家湾尾矿坝为例对模型性能进行验证。研究结果表明:PCA-BBO-SVM模型在4个测点的RMSE为0.1396,0.2742,0.3170,0.5306;MAE为0.1125,0.2135,0.2690,0.4129;MAPE为0.5250%,0.6923%,2.6212%,1.3112%;预测精度及对局部波动的预测能力均高于BP、GS-SVM、GA-SVM和PSO-SVM模型,研究结果可为尾矿坝变形预测提供模型支撑。 展开更多
关键词 尾矿坝 变形预测 PCA-bbo-svm 性能验证
在线阅读 下载PDF
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
使用帮助 返回顶部