手机知网 App
24小时专家级知识服务
打 开
水利水电工程
基于变量筛选优化极限学习机的混凝土坝变形预测模型
准确预测大坝变形是评估大坝行为的重要方法之一。传统的统计模型泛化能力较弱且容易引入高维变量,这将对基于神经网络预测模型的输出结果产生负面影响,同时增加了过拟合风险。因此,有必要建立一个具有适当维度的数据驱动模型,以实现对大坝变形的准确监控。本文选用极限学习机(ELM)作为基础预测模型,提出基于平均影响值(MIV)-ELM模型的变量筛选法,以消除初始变量集中的冗余信息,从而降低模型复杂度,提高预测精度。分析结果表明,与传统预测模型相比,HST-MIV-ELM不仅具有最高的预测精度和鲁棒性,同时也有较强的可拓展性,为大坝安全监控系统的构建提供了可靠的理论基础。
0 160
手机阅读本文
下载APP 手机查看本文
长江科学院院报
网络首发
相似文献
图书推荐
相关工具书

搜 索