学术探索
学术期刊
新闻热点
数据分析
智能评审
立即登录
支持向量机在大坝渗流监测中的应用
被引:4
作者
:
论文数:
引用数:
h-index:
机构:
李智录
论文数:
引用数:
h-index:
机构:
张真真
机构
:
[1]
西安理工大学水利水电学院
来源
:
大坝与安全
|
2008年
/ 01期
关键词
:
支持向量机;
渗流监测;
核函数;
核参数和惩罚因子;
D O I
:
暂无
中图分类号
:
TV698.12 [];
学科分类号
:
摘要
:
支持向量机是基于统计学习理论的小样本学习方法,是一种处理高度非线性分类回归等问题的新方法,它能较好地解决小样本非线性高维数,避免了神经网络无法解决的局部极小问题。本文简要介绍了支持向量机的基本原理及其在渗流监测数据处理中的应用,论述了如何利用支持向量机建立大坝渗流统计模型和预报。通过对云龙水库渗流监测连续观测数据的计算和分析,并与RBF神经网络预测结果进行比较,证明支持向量回归机在渗流监测中比RBF神经网络预测精度更高,具有良好的泛化能力。
引用
收藏
页码:21 / 24
页数:4
相关论文
共 7 条
[1]
支持向量机在煤矿地下水位预测中的应用.[D].薛宇玲.西安科技大学.2006, 02
[2]
大坝安全监控统计模型研究.[D].李智录.西安理工大学.2006, 06
[3]
数据挖掘中的新方法.[M].邓乃扬;田英杰著;.科学出版社.2004,
[4]
水工建筑物安全监控理论及其应用.[M].吴中如等著;.河海大学出版社.1990,
[5]
支持向量回归在贮灰坝渗流监测中的应用
康飞
论文数:
0
引用数:
0
h-index:
0
机构:
大连理工大学水利水电工程研究所
康飞
马妹英
论文数:
0
引用数:
0
h-index:
0
机构:
大连理工大学水利水电工程研究所
马妹英
论文数:
引用数:
h-index:
机构:
李俊杰
[J].
水电自动化与大坝监测,
2006,
(03)
: 67
-
70
[6]
支持向量机与人工神经网络
艾娜
论文数:
0
引用数:
0
h-index:
0
机构:
北京交通大学机电学院
艾娜
吴作伟
论文数:
0
引用数:
0
h-index:
0
机构:
北京交通大学机电学院
吴作伟
任江华
论文数:
0
引用数:
0
h-index:
0
机构:
北京交通大学机电学院
任江华
[J].
山东理工大学学报(自然科学版),
2005,
(05)
: 48
-
52
[7]
支持向量机模型在渗流监测中的应用
张立君
论文数:
0
引用数:
0
h-index:
0
机构:
三峡大学土木工程学院
张立君
刘先珊
论文数:
0
引用数:
0
h-index:
0
机构:
三峡大学土木工程学院
刘先珊
[J].
水电能源科学,
2005,
(01)
: 86
-
88+94
←
1
→
共 7 条
[1]
支持向量机在煤矿地下水位预测中的应用.[D].薛宇玲.西安科技大学.2006, 02
[2]
大坝安全监控统计模型研究.[D].李智录.西安理工大学.2006, 06
[3]
数据挖掘中的新方法.[M].邓乃扬;田英杰著;.科学出版社.2004,
[4]
水工建筑物安全监控理论及其应用.[M].吴中如等著;.河海大学出版社.1990,
[5]
支持向量回归在贮灰坝渗流监测中的应用
康飞
论文数:
0
引用数:
0
h-index:
0
机构:
大连理工大学水利水电工程研究所
康飞
马妹英
论文数:
0
引用数:
0
h-index:
0
机构:
大连理工大学水利水电工程研究所
马妹英
论文数:
引用数:
h-index:
机构:
李俊杰
[J].
水电自动化与大坝监测,
2006,
(03)
: 67
-
70
[6]
支持向量机与人工神经网络
艾娜
论文数:
0
引用数:
0
h-index:
0
机构:
北京交通大学机电学院
艾娜
吴作伟
论文数:
0
引用数:
0
h-index:
0
机构:
北京交通大学机电学院
吴作伟
任江华
论文数:
0
引用数:
0
h-index:
0
机构:
北京交通大学机电学院
任江华
[J].
山东理工大学学报(自然科学版),
2005,
(05)
: 48
-
52
[7]
支持向量机模型在渗流监测中的应用
张立君
论文数:
0
引用数:
0
h-index:
0
机构:
三峡大学土木工程学院
张立君
刘先珊
论文数:
0
引用数:
0
h-index:
0
机构:
三峡大学土木工程学院
刘先珊
[J].
水电能源科学,
2005,
(01)
: 86
-
88+94
←
1
→