土石坝渗流安全监测的遗传支持向量机方法 Genetic support vector machine model f…

排行榜 收藏 打印 发给朋友 举报 来源: 《水利学报》 发布者:cjk3d
热度32票 浏览26次 【共0条评论】【我要评论 时间:2007年12月09日 17:38
土石坝渗流安全监测的遗传支持向量机方法

Genetic support vector machine model for seepage safety monitoring of earth-rock dams

为了有效地根据土石坝地原型观测资料来分析坝体和坝基中存在的渗流问题,本文在对建模因子进行分析的基础上,充分利用支持向量机的结构风险最小化原则和遗传算法快速全局优化的特点,通过支持向量机模型对非线性监测数据进行拟合,并利用遗传算法优化支持向量机的模型参数,建立了基于GA-SVM的土石坝渗流监测模型.实例分析表明,该模型与传统的多元线性回归模型和神经网络模型相比,具有预测精度高、泛化能力强等优点,对土石坝安全监控具有实用价值.水利论文.xq#L'L'e,ZG]

作 者:司春棣 练继建 郑杨 SI Chun-di LIAN Ji-jian ZHENG Yang  
作者单位:天津大学,建筑工程学院,天津,300072 
刊 名:水利学报  ISTIC EI PKU
英文刊名:JOURNAL OF HYDRAULIC ENGINEERING 
年,卷(期):2007 38(11) 
分类号:TV223.4 
关键词:土石坝   渗流安全监测   支持向量机   遗传算法  
机标关键词:土石坝渗流问题安全监测遗传算法支持向量机方法safety monitoring多元线性回归模型支持向量机模型原型观测资料神经网络模型快速全局优化最小化原则预测精度算法优化模型参数结构风险监测数据监测模型泛化能力安全监控 
基金项目: 
TAG: Machine machine model Model vector 土石 向量
顶:2 踩:4
【已经有26人表态】
4票
极差
4票
很差
3票
较差
2票
稍差
2票
稍好
3票
较好
4票
很好
4票
极好
下一篇:含植物河道曼宁阻力系数的研究 Manning's roughness coefficient of vegetated channels
上一篇:水力光滑明渠流流速分布的新公式 New formula for velocity profile of turbulent …
查看全部回复【已有0位网友发表了看法】

广告投放

广告投放