人民黄河
人民黃河
인민황하
Yellow River
2013年
3期
84-85,89
,共3页
大坝变形监测模型%偏最小二乘法%人工神经网络
大壩變形鑑測模型%偏最小二乘法%人工神經網絡
대패변형감측모형%편최소이승법%인공신경망락
针对人工神经网络在大坝变形监测模型应用中所出现的收敛慢和稳定性差等问题,提出了偏最小二乘法与人工神经网络耦合的大坝变形监测模型,提高了神经网络的学习速率和稳定性.首先运用偏最小二乘法对多维自变量进行主成分提取和降维处理,解决了变量之间的多重相关问题,而后把降维的数据输入神经网络进行训练.对比实例应用结果表明,偏最小二乘神经网络耦合模型的拟合速度和精度都高于传统的神经网络.
針對人工神經網絡在大壩變形鑑測模型應用中所齣現的收斂慢和穩定性差等問題,提齣瞭偏最小二乘法與人工神經網絡耦閤的大壩變形鑑測模型,提高瞭神經網絡的學習速率和穩定性.首先運用偏最小二乘法對多維自變量進行主成分提取和降維處理,解決瞭變量之間的多重相關問題,而後把降維的數據輸入神經網絡進行訓練.對比實例應用結果錶明,偏最小二乘神經網絡耦閤模型的擬閤速度和精度都高于傳統的神經網絡.
침대인공신경망락재대패변형감측모형응용중소출현적수렴만화은정성차등문제,제출료편최소이승법여인공신경망락우합적대패변형감측모형,제고료신경망락적학습속솔화은정성.수선운용편최소이승법대다유자변량진행주성분제취화강유처리,해결료변량지간적다중상관문제,이후파강유적수거수입신경망락진행훈련.대비실례응용결과표명,편최소이승신경망락우합모형적의합속도화정도도고우전통적신경망락.
