基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
相关向量机(RVM)模型具有结构稀疏化、核函数选择范围广等特点,应用到大坝变形预测中比支持向量机(SVM)模型更具优势.同时考虑到残差对预测精度的影响,引入Markov链用于预测数据修正,从而得到一种高精度的逐步RVM-Markov组合模型.在实际应用中,RVM模型的泛化能力与SVM相当,向量数量却远小于SVM模型,计算过程得到简化,Mrakov链对残差进行修正后又提高了预测精度.将上述组合模型用于大坝变形实例分析,获得了较好的回归预测效果.
推荐文章
最优加权组合预测模型在大坝变形监测中的应用
最优加权组合模型
大坝安全监测
线性回归
时间序列
BP神经网络
基于EMD-RVM-Arima的大坝变形预测模型及其应用
大坝变形
预测精度
Arima
EMD分解法
RVM模型
基于DPSO-ANFIS的大坝变形预测模型
自适应模糊神经网络
动态权重粒子群算法
大坝变形预测
适应度
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 逐步RVM-Markov模型在大坝变形预测中的应用
来源期刊 三峡大学学报(自然科学版) 学科 工学
关键词 大坝变形监测模型 相关向量机 Markov链
年,卷(期) 2015,(6) 所属期刊栏目 土木水电论坛
研究方向 页码范围 47-51
页数 5页 分类号 TV698.1
字数 3928字 语种 中文
DOI 10.13393/j.cnki.issn.1672-948X.2015.06.010
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (25)
共引文献  (56)
参考文献  (6)
节点文献
引证文献  (3)
同被引文献  (19)
二级引证文献  (11)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(3)
  • 参考文献(1)
  • 二级参考文献(2)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(9)
  • 参考文献(0)
  • 二级参考文献(9)
2015(9)
  • 参考文献(0)
  • 二级参考文献(9)
  • 引证文献(0)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(5)
  • 引证文献(0)
  • 二级引证文献(5)
2020(7)
  • 引证文献(1)
  • 二级引证文献(6)
研究主题发展历程
节点文献
大坝变形监测模型
相关向量机
Markov链
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
三峡大学学报(自然科学版)
双月刊
1672-948X
42-1735/TV
大16开
湖北省宜昌市大学路8号
1979
chi
出版文献量(篇)
3272
总下载数(次)
3
总被引数(次)
16186
相关基金
高等学校博士学科点专项科研基金
英文译名:
官方网址:http://std.nankai.edu.cn/kyjh-bsd/1.htm
项目类型:面上课题
学科类型:
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导