基于Adaboost.RT算法的隧道沉降时间序列预测研究

论文摘要

目的:提高对隧道沉降问题的预测精度。方法:提出一种Adaboost.RT算法集成多种不同基学习模型的预测方法。该方法通过Adaboost.RT算法依据不断更新的权值训练基学习模型,然后使用加权策略结合基学习模型得到最终的强学习模型。结果:针对隧道工程实测数据进行仿真实验,结果表明,与各种学习模型和Adaboost.RT算法集成单一学习模型等方法相比,使用Adaboost.RT算法结合多种基学习模型的方法在预测精度与泛化性方面均有提升。结论:使用Adaboost.RT算法集成多模型的方法能够对隧道沉降问题进行有效的预测研究。

论文目录

• 1 集成学习
•   1.1 Adaboost算法原理
•   1.2 Adaboost.RT算法
• 2 基于Adaboost.RT算法集成多学习模型的隧道沉降预测方法
•   2.1 基学习模型的选取
•   2.2 方法流程
• 3 仿真实验和结果分析
•   3.1 数据来源
•   3.2 实验结果
•   3.3 结果对比分析
• 4 结 论

文章来源

类型: 期刊论文

作者: 李伟,严珂,陆慧娟,叶敏超

关键词: 计量,隧道沉降,回归预测,集成学习,时间序列

来源: 中国计量大学学报 2019年03期

年度: 2019

分类: 工程科技Ⅱ辑,基础科学

专业: 数学,公路与水路运输

单位: 中国计量大学信息工程学院

基金: 国家自然科学基金项目(No.61602431)

分类号: U456.3;O211.61

页码: 331-336

总页数: 6

文件大小: 2167K

下载量: 76