基于粒子群优化极限学习机的排水管结构状况评价

被引：8

作者：

郑茂辉 ^{[1
]}

刘少非 ^{[1
,2
]}

柳娅楠 ^{[2
]}

李浩楠 ^{[2
]}

机构：

[1] 同济大学上海防灾救灾研究所

[2] 同济大学土木工程学院

来源：

同济大学学报(自然科学版) | 2020年 / 48卷 / 04期

基金：

国家重点研发计划;

关键词：

排水管道; 结构性状况评价; 极限学习机; 粒子群优化;

D O I：

暂无

中图分类号：

TU992 [排水工程（沟渠工程、下水道工程）]; TP18 [人工智能理论];

学科分类号：

0815 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

基于极限学习机(ELM)和粒子群优化(PSO)算法,建立一个新型排水管道结构性状况评价模型。采用PSO算法优化ELM中的输入权值矩阵和隐含层偏置,改善网络参数随机生成带来的分类精度偏低的问题。以上海市洋山保税港区排水管网为例,对分类器模型进行训练测试,并与ELM分类结果进行对比分析。结果表明,PSO-ELM算法以较少的隐含层神经元节点获得更高的分类精度,参数优化提高了模型拟合能力,对于城市排水管道结构性状况分类、判断具有可行性和有效性。

引用

页码：513 / 516+551 +551

页数：5

共 10 条

[1] 城市地下管线主要风险因素分析
刘克会
江贻芳
邓楠
王艳霞
[J]. 工程勘察, 2013, 41 (09) : 51 - 55
[2] 埋地管线面积腐蚀率概率密度的模拟分析
刘威
李杰
[J]. 同济大学学报(自然科学版), 2007, (10) : 1295 - 1298+1309
[3] A Survival Analysis Model for Sewer Pipe Structural Deterioration[J] . Sophie Duchesne,Guillaume Beardsell,Jean‐Pierre Villeneuve,Babacar Toumbou,Kassandra Bouchard. Computer‐Aided Civil and Infrastructure Engineering . 2012 (2)
[4] Network condition simulator for benchmarking sewer deterioration models
Scheidegger, A.
Hug, T.
Rieckermann, J.
Maurer, M.
[J]. WATER RESEARCH, 2011, 45 (16) : 4983 - 4994
[5] An investigation of the factors influencing sewer structural deterioration
Ana, E.
Bauwens, W.
Pessemier, M.
Thoeye, C.
Smolders, S.
Boonen, I.
De Gueldre, G.
[J]. URBAN WATER JOURNAL, 2009, 6 (04) : 303 - 312
[6] Infrastructure condition prediction models for sustainable sewer pipelines
Chughtai, Fazal
Zayed, Tarek
[J]. JOURNAL OF PERFORMANCE OF CONSTRUCTED FACILITIES, 2008, 22 (05) : 333 - 341
[7] Modelling the deterioration process of drainage pipelines
Le Gat, Y.
[J]. URBAN WATER JOURNAL, 2008, 5 (02) : 97 - 106
[8] Neural networks deterioration models for serviceability condition of buried stormwater pipes
Tran, D. H.
Ng, A. W. M.
Perera, B. J. C.
[J]. ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE, 2007, 20 (08) : 1144 - 1151
[9] Application of probabilistic neural networks in modelling structural deterioration of stormwater pipes[J] . D. H. Tran,A. W. M. Ng,B. J. C. Perera,S. Burn,P. Davis. Urban Water Journal . 2006 (3)
[10] Extreme learning machine: Theory and applications[J] . Guang-Bin Huang,Qin-Yu Zhu,Chee-Kheong Siew. Neurocomputing . 2006 (1)

← 1 →