大坝变形预报的神经网络极限学习方法

被引：8

作者：

范千 ^{[1
,2
]}

机构：

[1] 福州大学土木工程学院

[2] 东华理工大学江西省数字国土重点实验室

来源：

江南大学学报(自然科学版) | 2011年 / 10卷 / 04期

关键词：

大坝变形预报; 神经网络; 极限学习方法;

D O I：

暂无

中图分类号：

TV698.1 [水工建筑物的监测与原型观测];

学科分类号：

摘要：

针对大坝变形具有强非线性的特点以及在采用传统BP神经网络模型进行预报时存在学习速度慢、易陷入局部极小等问题,提出将极限学习机(ELM)方法用于大坝变形预报。该方法不仅可以简化网络参数选择过程,而且可以明显提高网络的训练速度,并具有良好的泛化性能。工程实例结果分析表明了ELM方法应用于大坝变形预报具有可行性和有效性。

引用

页码：435 / 438

页数：4

共 5 条

[1] 基于L-M算法的BP神经网络在大坝安全监控预报中的应用 [J].