期刊文献+

基于粗集推理的大坝安全监测预报模型研究 被引量:4

Prediction model for dam safety monitoring based on rough set reasoning
下载PDF
导出
摘要 针对传统大坝安全监测预报模型存在的受环境量相关性影响较大和网络训练时间长、易收敛到局部最优点等缺点,通过对原始监测信息的粗糙集预处理提取主要影响因素和决策规则集,并通过对规则集的不确定性推理建立了大坝监测的粗集预报模型.与传统方法相比,粗集预报模型不依赖于具体的数学模型,所得到的预报值是一定可信度下的区间值,并且预测值区间与实测值区间基本一致. In consideration of the fact that the conventional prediction model for dam safety monitoring is easily affected by the correlation of environmental factors, and the fact that it needs a long time of network training and easily converges to local optimum points, a rough set prediction model is developed by extraction of main affecting factors and decision rules from pretreatment of rough sets of original monitoring data and reasoning of decision rules under uncertainty. Compared with the conventional method, the present model is independent on a special mathematical model, and the predicted results are intervals under certain reliability, which are in accordance with measured data.
作者 雷鹏 顾冲时
出处 《河海大学学报(自然科学版)》 CAS CSCD 北大核心 2005年第4期391-394,共4页 Journal of Hohai University(Natural Sciences)
基金 国家自然科学基金重点资助项目(50139030) 国家"973"计划资助项目(2002CB412707)
关键词 大坝安全监测 粗集理论 不确定性推理 区间预报 <Keyword>dam safety monitoring rough set theory reasoning under uncertainty interval prediction
  • 相关文献

参考文献10

二级参考文献12

  • 1文靳.神经网络理论与应用研究[M].成都:西南交通大学出版社,1996.. 被引量:1
  • 2周晓贤.大坝安全监控的灰色综合评价模型研究[M].南京:河海大学,2001.. 被引量:1
  • 3Chan C C,Inform Sci,1998年,107卷,169页 被引量:1
  • 4Lin T Y,Proc IMACS Multiconference,1996年,942页 被引量:1
  • 5Yao Y Y,Intelligent Automation and Soft Computing,1996年,2卷,2期,103页 被引量:1
  • 6Hu X,学位论文,1995年 被引量:1
  • 7Shan N,Computational Intelligence,1995年,11卷,357页 被引量:1
  • 8Lin T Y,Methodologies for Intelligent Systems,1994年,65页 被引量:1
  • 9吴中如,大坝安全综合评价专家系统,1997年 被引量:1
  • 10文靳,神经网络理论与应用研究,1996年 被引量:1

共引文献187

同被引文献22

  • 1陆有忠,杨有贞,张会林.边坡工程可靠性的支持向量机估计[J].岩石力学与工程学报,2005,24(1):149-153. 被引量:24
  • 2苏怀智,吴中如,戴会超.初探大坝安全智能融合监控体系[J].水力发电学报,2005,24(1):122-126. 被引量:51
  • 3雷鹏,吴中如,顾冲时.大坝安全监测的粗集模型方法[J].武汉大学学报(工学版),2005,38(3):45-49. 被引量:6
  • 4Wu Zhongru,Su Huaizhi. Dam health diagnosis and evaluation [ J ]. Smart Materials & Structures, 2005,14 ( 3 ) : 130-136 被引量:1
  • 5Vapnik V N. The nature of statistical learning theory[ M ]. New York: Springer-Verlag, 1995. 被引量:1
  • 6Pawlak Zdzislaw, Skowron Andrzej. Rudiments of rough sets [ J ]. Information Sciences ,2007,177 (1) :3-27. 被引量:1
  • 7Renaud J, Thibault J, Lanouette R, et all. Comparison of two multicriteria decision aid methods: Net flow and rough set methods in a high yield pulping process[ J ]. European Journal of Operational Research,2007,177 (3) :1418-1432 被引量:1
  • 8Katagiri Shinya, Abe Shigeo. Incremental training of support vector machines using hyperspheres [ J ]. Pattern Recognition Letters,2006,27 ( 13 ) : 1495-1507 被引量:1
  • 9Trafalis T B, Gilbert R C. Robust support vector machines for classification and computational issues [ J ]. Optimization Methods and Software,2007,22( 1 ) :187-198 被引量:1
  • 10吴中如 沈长松 阮焕祥.论混凝土坝变形统计模型的因子选择[J].河海大学学报:自然科学版,1988,(6):4-12. 被引量:7

引证文献4

二级引证文献92

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部