期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于HS算法优化的EEMD-RNN混凝土坝位移预测模型 被引量：4
1
作者 范鹏飞 祝福源 《中国农村水利水电》 北大核心 2021年第8期180-185,194,共7页
由于混凝土坝位移的监测过程中存在噪声误差,使得智能算法预测位移时容易出现过拟合、局部最小值及收敛速度慢等缺点。为了解决上述存在的问题,首先采用集合经验模态分解法(EEMD)对位移实测值进行分解,得到不同频次的分量IMF和剩余量R,... 由于混凝土坝位移的监测过程中存在噪声误差,使得智能算法预测位移时容易出现过拟合、局部最小值及收敛速度慢等缺点。为了解决上述存在的问题,首先采用集合经验模态分解法(EEMD)对位移实测值进行分解,得到不同频次的分量IMF和剩余量R,然后通过递归神经网络(RNN)对各分量和剩余项进行训练,得到环境量和时效与IMF及R的映射关系,最后通过模型得到的映射关系可求各分量和剩余项的响应预测值,并进行等权求和可得位移的预测值。在RNN训练过程中引入和声搜索算法(HS)对其进行优化,系统性去噪,以一定的概率限差函数进行扰动以得到最优解,从而优化了RNN的权重及阈值,提高了模型的健壮性。以某混凝土坝为计算案例,结果表明,HS-EEMD-RNN模型的整体拟合和预测的精度较高、过拟合程度小,与EEMD-RNN模型对比可知,HS算法可以明显提高其模型精度,并且对位移过程线的突跳值预测的精度高。 展开更多
关键词 位移预测 混凝土坝 集合经验模态分解 和声搜索法 递归神经网络
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部