水电能源科学
水電能源科學
수전능원과학
INTERNATIONAL JOURNAL HYDROELECTRIC ENERGY
2011年
12期
92-94,215
,共4页
基坑%变形预测%最小二乘支持向量机%时间序列%滚动时间窗
基坑%變形預測%最小二乘支持嚮量機%時間序列%滾動時間窗
기갱%변형예측%최소이승지지향량궤%시간서렬%곤동시간창
针对神经网络用于基坑变形预测存在结构难确定、训练易陷入局部最优及易过学习等问题,构造滚动时间窗.,以已有的实测时间序列为样本,利用最小二乘支持向量机(LS-SVM)建立基坑预测模型,应用网格搜索算法优化模型参数,连续滚动地多步预测基坑变形.实例结果表明,该模型预测效果优于BP神经网络,具有所需数据少、推广能力强等优点.
針對神經網絡用于基坑變形預測存在結構難確定、訓練易陷入跼部最優及易過學習等問題,構造滾動時間窗.,以已有的實測時間序列為樣本,利用最小二乘支持嚮量機(LS-SVM)建立基坑預測模型,應用網格搜索算法優化模型參數,連續滾動地多步預測基坑變形.實例結果錶明,該模型預測效果優于BP神經網絡,具有所需數據少、推廣能力彊等優點.
침대신경망락용우기갱변형예측존재결구난학정、훈련역함입국부최우급역과학습등문제,구조곤동시간창.,이이유적실측시간서렬위양본,이용최소이승지지향량궤(LS-SVM)건립기갱예측모형,응용망격수색산법우화모형삼수,련속곤동지다보예측기갱변형.실례결과표명,해모형예측효과우우BP신경망락,구유소수수거소、추엄능력강등우점.
