作者张蒙,喻和平,陈玉江（2019）在《基于ELM模型的混凝土坝坝基渗压预测》一文中研究指出：为更精确的预测某混凝土坝坝基渗压变化趋势以保证大坝安全,利用混凝土重力坝渗压监测数据建立基于极限学习机（Extreme Learning Machine, ELM）的大坝基础渗压预测模型,并与传统逐步回归和传统BP神经网络方法进行对比。结果表明:ELM模型能够准确反映大坝坝基渗透系统的不确定性非线性关系,相比于逐步回归模型,ELM模型则可使hrmse减幅至少有34.1%,误差区间降低有36.5%。ELM模型在精度和稳定性上均优于其余2种模型,其仿真曲线与测点渗压实测动态基本一致。该模型可作为渗透压力预测的推荐模型。
wei geng jing que de yu ce mou hun ning tu ba ba ji shen ya bian hua qu shi yi bao zheng da ba an quan ,li yong hun ning tu chong li ba shen ya jian ce shu ju jian li ji yu ji xian xue xi ji （Extreme Learning Machine, ELM）de da ba ji chu shen ya yu ce mo xing ,bing yu chuan tong zhu bu hui gui he chuan tong BPshen jing wang lao fang fa jin hang dui bi 。jie guo biao ming :ELMmo xing neng gou zhun que fan ying da ba ba ji shen tou ji tong de bu que ding xing fei xian xing guan ji ,xiang bi yu zhu bu hui gui mo xing ,ELMmo xing ze ke shi hrmsejian fu zhi shao you 34.1%,wu cha ou jian jiang di you 36.5%。ELMmo xing zai jing du he wen ding xing shang jun you yu ji yu 2chong mo xing ,ji fang zhen qu xian yu ce dian shen ya shi ce dong tai ji ben yi zhi 。gai mo xing ke zuo wei shen tou ya li yu ce de tui jian mo xing 。
论文作者分别是来自水利与建筑工程学报的张蒙,喻和平,陈玉江，发表于刊物水利与建筑工程学报2019年01期论文，是一篇关于混凝土坝论文,渗透压力论文,神经网络论文,极限学习机论文,预测论文,水利与建筑工程学报2019年01期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自水利与建筑工程学报2019年01期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
本文来源: https://www.lw00.cn/article/1f4855208914a7f62a30de8d.html