基于LS-SVM的灰色补偿RBF神经网络组合预测模型在建筑物沉降分析中的应用

• 作者: 张腾旭 文鸿雁 聂光裕 胡纪元 高红
• 来源期刊: 大地测量与地球动力学
• 学科: 地球科学
• 关键词: GM(1,1)模型 RBF神经网络 最小二乘支持向量机 变形分析 补偿器
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 地壳运动
• 页码范围: 66-68,74
• 页数: 4页
• 分类号: P258
• 语种: 中文
• DOI: 10.14075/j.jgg.2016.01.015

摘要

针对GM(1,1)模型在建筑物变形预测中精度和泛化能力较低的缺陷,提出一种基于LS-SVM的灰色补偿RBF神经网络的建筑物变形组合预测方法.利用最小二乘支持向量机训练由灰色GM(1,1)模型预测得到的一组结果的残差值,直接获得RBF网络的中心函数训练RBF网络,得到RBF误差补偿器,去补偿GM(1,1)模型.实验证明,最小二乘支持向量机、灰色系统以及神经网络3者相结合的方法,能有效提高建筑物变形沉降预测的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	文鸿雁		42	200	9.0	11.0
2	聂光裕		2	4	1.0	2.0
3	高红		3	5	1.0	2.0
4	张腾旭		6	13	2.0	3.0
5	胡纪元		6	33	4.0	5.0