位置:成果数据库 > 期刊 > 期刊详情页
基于最小二乘支持向量机的大坝应力预测模型
  • ISSN号:1672-1144
  • 期刊名称:水利与建筑工程学报
  • 时间:0
  • 页码:26-29
  • 分类:TV698.11[水利工程—水利水电工程] O241.5[理学—计算数学;理学—数学]
  • 作者机构:[1]河海大学水利水电工程学院,江苏南京210098, [2]河海大学水文水资源与水利工程科学国家重点实验室,江苏南京210098, [3]河海大学水资源高效利用与工程安全国家工程研究中心,江苏南京210098, [4]河海大学水文水资源学院,江苏南京210098
  • 相关基金:水利部公益性项目(201101013); 国家自然科学基金资助项目(51079046 50909041 50809025 50879024); 国家科技支撑计划课题(2006BAC14B03 2008BAB29B03); 河海大学水文水资源与水利工程科学国家重点实验室专项基金(2009586012 2010585212); 中央高校基本科研业务费项目(2009B08514 2010B20414 2010B14114); 中国水电工程顾问集团公司科技项目(CHC-KJ-2007-02); 江苏省“333高层次人才培养工程”(2017-B08037); 江苏省普通高校研究生科研创新计划(CX09B-163Z); 高等学校博士学科点专项科研基金(20070294023)
  • 相关项目:混凝土坝裂缝演变规律及转异诊断非线性理论与方法
中文摘要:

应力的监测一直是大坝安全监测中极为重要的部分,传统的预测方法精度有时候不高,为了提高预测的精度,提出了一种基于最小二乘支持向量机(LS-SVM)的大坝应力预测模型。通过具体工程实例计算,LS-SVM表现出很好的鲁棒性和预测精度高的优势,应力预测精度比传统的逐步回归方法提高了很多,为大坝应力分析提供了一种可靠的、有效的途径和方法。

英文摘要:

The stress monitoring has been an extremely important part in dam monitoring.Sometimes the traditional forecasting methods have no high accuracy.In order to improve the accuracy of prediction,a dam's stress prediction model is proposed here based on Least Squares Support Vector Machines(LS-SVM).Through applying in one dam,LS-SVM shows the advantages of good robustness and high prediction accuracy,and its stress prediction accuracy is improved a lot than that using the traditional stepwise regression method,so as to provide a reliable and effictive way and means in dam stress analysis.

同期刊论文项目
期刊论文 56 会议论文 12 获奖 3 专利 4
同项目期刊论文
期刊信息
  • 《水利与建筑工程学报》
  • 主管单位:中华人民共和国教育部
  • 主办单位:西北农林科技大学
  • 主编:梁宗祥
  • 地址:陕西杨凌渭惠路23号水科所校区
  • 邮编:712100
  • 邮箱:sjxb@nwsuaf.edu.cn
  • 电话:029-87082937
  • 国际标准刊号:ISSN:1672-1144
  • 国内统一刊号:ISSN:61-1404/TV
  • 邮发代号:
  • 获奖情况:
  • 2000年获陕西省优秀科技期刊二等奖,中国科技论文统计源期刊,《CAJ-CD规范》执行优秀期刊
  • 国内外数据库收录:
  • 被引量:5503