基于机器学习的重力坝变形监测统计模型及应用 |
| |
引用本文: | 田紫圆,何佳楠,吴震宇,周弭,孙燕.基于机器学习的重力坝变形监测统计模型及应用[J].水利规划与设计,2020(8). |
| |
作者姓名: | 田紫圆 何佳楠 吴震宇 周弭 孙燕 |
| |
作者单位: | 四川大学水利水电学院水力学与山区河流开发保护国家重点实验室,四川成都610065;国网四川甘孜州电力有限责任公司康定市供电分公司,四川康定626000 |
| |
摘 要: | 为了提升重力坝变形监测模型精度,文章采用极限学习机(ELM)、基于网格搜索和交叉验证的支持向量机、基于模拟退火遗传算法优化的BP神经网络(GASA-BP)三种机器学习方法对经验模态分解(EMD)重构的周期项进行训练和预测,并与传统的最小二乘法进行对比分析。结果表明,机器学习算法可以有效提升模型的拟合及预测精度。
|
关 键 词: | 重力坝 安全监测 经验模态分解 机器学习 |
本文献已被 CNKI 万方数据 等数据库收录! |
|