多元宇宙算法在大坝水平位移预测中的应用
针对大坝变形预测的影响因素过多且无法精准预测的问题,将主成分分析方法、多元宇宙算法、BP神经网络协同应用于大坝水平位移预测中,构建出PCA-MVO-BP预测模型.通过PCA来降低原始输入参数的维度,消除变量间相关性,并结合多元宇宙算法的快速收敛、泛化能力强的特性,解决BP神经网络预测模型中的权值和阈值的优化问题.以丰满大坝监测数据为测试样本,将组合模型与常规预测模型进行对比.结果表明:相较于常规LSSVM、RF、SVM算法,组合预测模型的平均误差、标准误差、平均绝对百分比误差值均较小,其预测精度较于单一BP神经网络提高了28.85%.表明了PCA-MVO-BP模型在大坝水平位移预测中的现实性.
主成分分析、多元宇宙算法、神经网络、大坝水平位移、参数优化
47
P228(大地测量学)
国家自然科学基金;广西自然科学基金项目;广西自然科学基金项目;广西中青年教师基础能力提升项目
2023-03-07(万方平台首次上网日期,不代表论文的发表时间)
共8页
48-55