基于改进PSO-ELM算法的混凝土坝变形非线性监控模型

被引：14

作者：

张海龙 ^{[1
]}

范振东 ^{[2
]}

机构：

[1] 西京学院土木工程学院

[2] 国家能源局大坝安全监察中心

来源：

水电能源科学 | 2018年 / 36卷 / 01期

关键词：

混凝土坝变形; 非线性监控模型; 极限学习机; 粒子群算法;

D O I：

暂无

中图分类号：

TV698.11 [];

学科分类号：

081504 ;

摘要：

针对混凝土坝变形模型高度非线性问题,将极限学习机(ELM)用于混凝土坝变形监控模型的构建中,由于极限学习机的精度受输入权值和隐含层阈值的影响,引入改进的粒子群算法(PSO)进行最优求解,从而建立基于改进PSO-ELM算法的混凝土坝变形非线性监控模型。实例应用结果表明,该模型不仅可行、有效,且具有较强的学习能力和泛化能力。

引用

页码：82 / 84+199 +199

页数：4

共 11 条

[1]

Optimization method based extreme learning machine for classification.[J].Guang-Bin Huang;Xiaojian Ding;Hongming Zhou.Neurocomputing.2010, 1

[2] Cross-validated wavelet shrinkage [J].