顾微
- 作品数：5 被引量：7H指数：2
- 供职机构：河海大学水利水电学院更多>>
- 发文基金：中央高校基本科研业务费专项资金教育部“新世纪优秀人才支持计划”国家教育部博士点基金更多>>
- 相关领域：水利工程自动化与计算机技术电子电信更多>>
- 基于相关向量机模型不同核函数的精度比较
- 的安全稳定运行不仅影响国民经济的发展，还关乎着大坝下游人民群众的生命财产安全，通过对大坝原型监测资料的分析，能够较快和较准确地判断大坝的运行状态，因此，通过对实测资料进行分析预测对大坝的安全运行起着重要作用。目前常采用的...
- 顾微包腾飞王慧唐琪
- 关键词：大坝安全监测相关向量机核函数核参数自适应粒子群算法
- 基于GCS-SVM的大坝变形监测非线性预警模型被引量：5
- 2015年
- 惩罚因子c和核函数参数σ的选择对于支持向量机(SVM)回归模型的拟合和预测精度至关重要。为克服SVM模型易陷入局部最优点的缺陷,提出基于高斯扰动的混合布谷鸟搜索算法(GCS),用于SVM参数的优选,提出GCS-SVM模型用于大坝变形监测非线性预警。通过实例验证分析表明,与SVM模型相比,GCS-SVM模型的预测精度和泛化能力均有一定程度的提高。
- 屠立峰王慧顾微
- 关键词：支持向量机预警模型
- 基于不同核函数的某重力拱坝相关向量机模型精度比较被引量：2
- 2015年
- 鉴于相关向量机的模型精度受核函数的影响较大,建立了基于修正高斯核函数、多项式核函数及其混合核函数的某重力拱坝相关向量机模型,并利用自适应粒子群算法对核函数的参数进行寻优。实例应用结果表明,混合核函数的性能最优,可提高大坝安全预测精度。
- 顾微包腾飞王慧唐琪
- 关键词：相关向量机核函数自适应粒子群算法
- 基于改进Db1GEGA-SVM的大坝变形预警模型
- 2015年
- 支持向量机(SVM)能有效解决高维数非线性问题,且具有很好的泛化能力,其关键在于惩罚因子及核参数的选取;遗传算法具有良好的全局搜索能力与潜在的并行性,但局部搜索能力差,且易陷入早熟收敛。为提高大坝变形预警模型精度和泛化能力,提出利用改进的双切点交叉遗传算法(Db1GEGA)对SVM模型进行参数寻优,构建了基于改进Db1GEGA-SVM的大坝变形预警模型,并通过实例应用做了比较。结果表明,基于改进Db1GEGA-SVM的大坝变形预警模型具有更强的泛化能力和更高的预测精度。
- 王慧包腾飞杨艳慧顾微
- 关键词：支持向量机泛化能力
- 基于GCS-SVM的大坝变形监测非线性预警模型
- 惩罚因子C和核函数参数σ的选择对于支持向量机(SVM)回归模型的拟合和预测精度至关重要.为克服SVM模型易陷入局部最优点的缺陷,提出基于高斯扰动的混合布谷鸟搜索算法(GCs),用于SVM参数的优选,提出GCS-SVM模型...
- 屠立峰包腾飞王慧顾微
- 关键词：大坝
- 文献传递
