基于AdaBoost集成的WPSO-RBF大坝变形监控模型
变形监测是大坝安全监测的必设项目,由于影响因子众多,常利用神经网络(如BP,RBF等)进行参数选取和模型建立.传统的径向基函数(RBF)神经网络因网络结构简单、收敛速度快而被广泛运用,但其在预测中易陷入局部最优且参数选取不当会对其收敛性产生影响.因此,首先利用动态权重粒子群算法(WPSO)对RBF神经网络的3个参数(隐含层基函数的中心c、宽度d及隐含层到输出层的权值w)进行优化,建立基于WPSO-RBF的大坝变形监控模型,然后将WPSO-RBF模型作为弱分类器,采用AdaBoost算法进行集成,建立基于WPSO-RBF-AdaBoost的大坝变形监控模型.将该模型运用到工程实例中,实例结果显示该模型具有收敛速度快、分类精度高、泛化能力好,可建立较优的大坝变形监控模型.
大坝变形、监控模型、改进粒子群算法、RBF神经网络、AdaBoost算法
35
TV698.11(水利枢纽、水工建筑物)
国家自然科学基金项目51279052,51579085;水文水资源与水利工程科学国家重点实验室研究项目20145028312;中央高校基本科研业务费专项2015B32514,2015B33314
2018-06-19(万方平台首次上网日期,不代表论文的发表时间)
共6页
57-62