论文摘要
基于大坝变形量与多影响因素复杂非线性关系问题,提出了基于遗传算法优化BP神经网络的AdaBoost强预测模型（GA-BP-AdaBoost）。算例分析表明,该强预测模型融合了遗传算法全局优化和BP神经网络的局部寻优的特点,同时AdaBoost强预测器通过给弱预测器的预测序列赋予不同的权重,综合不同预测序列的精度优势,实现了AdaBoost强预测器"优中选优"的目的,最大限度地提高了预测精度,验证了本文基于遗传算法优化BP神经网络的AdaBoost强预测模型在大坝变形监测中的可行性和实用性。
论文目录
文章来源
类型: 期刊论文
作者: 王凯,唐诗华,王江波,肖阳,容静,王文贯
关键词: 强预测器,遗传算法,神经网络,精度分析
来源: 桂林理工大学学报 2019年02期
年度: 2019
分类: 基础科学,工程科技Ⅱ辑,信息科技
专业: 水利水电工程,自动化技术
单位: 桂林理工大学测绘地理信息学院,桂林理工大学广西空间信息与测绘重点实验室,广西建设职业技术学院土木工程系
基金: 国家自然科学基金项目(41864002),广西空间信息与测绘重点实验室项目(15-140-07-05)
分类号: TP18;TV698.11
页码: 415-419
总页数: 5
文件大小: 140K
下载量: 117