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:
针对传统大坝变形监控模型的不足,在对人工蜂群( ABC)算法给予改进的基础上,开展了基于人工蜂群( ABC)与BP神经网络的大坝变形监控模型建模原理、实现方法以及工程算例分析研究。通过引进自适应比例和平均欧式距离,克服了标准人工蜂群算法易陷入局部最优的缺点;进而利用改进后的人工蜂群算法,对BP神经网络的初始权值与阈值进行寻优。算例分析表明,将改进后的人工蜂群算法与BP神经网络技术相结合,并用于大坝变形监控模型的构建,有效提升了模型的拟合和预报能力。
推荐文章
基于ABC-BP神经网络预测钢筋锈蚀程度
ABC-BP
MATLAB
混凝土
钢筋锈蚀
基于ABC-BP的土壤侵蚀量预报模型研究
水土流失
土壤侵蚀量
t检验
人工蜂群算法
BP神经网络模型
基于NMEA-BP大坝变形监测模型研究
小生境技术
思维进化算法
BP神经网络
大坝变形
监测模型
基于遗传算法优化BP神经网络的大坝变形监控模型
大坝变形监控
遗传算法
BP神经网络
模型建立与预报
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 基于改进ABC-BP的大坝变形监控模型研究
来源期刊 人民长江 学科 工学
关键词 监控模型 人工蜂群算法 BP神经网络 大坝变形
年,卷(期) 2016,(6) 所属期刊栏目 运行管理
研究方向 页码范围 100-103
页数 4页 分类号 TV698
字数 3405字 语种 中文
DOI 10.16232/j.cnki.1001-4179.2016.06.022
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李丹 河海大学水文水资源与水利工程科学国家重点实验室 22 88 5.0 9.0
5 郭芝韵 河海大学水文水资源与水利工程科学国家重点实验室 8 31 4.0 5.0
9 刘炳锐 河海大学大禹学院 7 14 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (40)
共引文献  (60)
参考文献  (10)
节点文献
引证文献  (4)
同被引文献  (11)
二级引证文献  (0)
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)
1999(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(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(3)
  • 参考文献(1)
  • 二级参考文献(2)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(4)
  • 参考文献(1)
  • 二级参考文献(3)
2007(3)
  • 参考文献(1)
  • 二级参考文献(2)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(8)
  • 参考文献(0)
  • 二级参考文献(8)
2012(6)
  • 参考文献(1)
  • 二级参考文献(5)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(3)
  • 参考文献(2)
  • 二级参考文献(1)
2016(1)
  • 参考文献(0)
  • 二级参考文献(1)
2019(1)
  • 参考文献(0)
  • 二级参考文献(1)
2016(1)
  • 参考文献(0)
  • 二级参考文献(1)
  • 引证文献(0)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
监控模型
人工蜂群算法
BP神经网络
大坝变形
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
人民长江
月刊
1001-4179
42-1202/TV
大16开
武汉市解放大道1863号
38-22
1955
chi
出版文献量(篇)
12471
总下载数(次)
23
总被引数(次)
55454
论文1v1指导