原文服务方: 河南科学       
摘要:
沉降预测一直是地基工程的一个重点研究项目.软土具有天然含水量高、塑性指数大、黏粒含量高等特殊的工程特性,因此,建立在软土上的地基沉降难以预测,对于工程建设有一定的隐患.支持向量机在解决样本数量小、非线性问题上有其特有的优势.利用人工蜂群算法对支持向量机的参数进行优化后建立SVM模型,对木兰溪防洪工程的沉降问题进行预测,将其预测结果与传统的支持向量机模型以及曲线拟合预测方法结果进行对比.最终证明了ABC-SVM模型在软基沉降预测上的可用性.
推荐文章
基于ABC-SVM的室内定位方法研究
支持向量机
人工蜂群算法
室内定位
定位误差
累积误差概率
基于EMD和ABC-SVM的光伏并网系统输出功率预测研究
光伏并网系统
输出功率预测
模型参数优化
经验模态分解
人工蜂群算法
基于ABC-SVM固体氧化物燃料电池电堆建模与仿真
固体氧化物燃料电池(SOFCs)
人工蜂群算法(ABC)
支持向量机(SVM)
电堆建模
基于VMD和ABC-SVM的雷达辐射源个体识别
雷达辐射源个体识别
变分模态分解
蛙跳算法
特征参数
人工蜂群算法
中心频率
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ABC-SVM的软基沉降预测研究
来源期刊 河南科学 学科
关键词 支持向量机 人工蜂群 软土地基 沉降预测
年,卷(期) 2016,(5) 所属期刊栏目 建筑科学与交通科学
研究方向 页码范围 741-746
页数 6页 分类号 TU447
字数 语种 中文
DOI
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 高正夏 河海大学地球科学与工程学院 47 249 9.0 13.0
2 徐嵚嵛 南京邮电大学通信与信息工程学院 2 9 2.0 2.0
3 施俊 河海大学地球科学与工程学院 1 5 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (78)
共引文献  (131)
参考文献  (12)
节点文献
引证文献  (5)
同被引文献  (13)
二级引证文献  (2)
1978(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(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(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(8)
  • 参考文献(0)
  • 二级参考文献(8)
2004(7)
  • 参考文献(0)
  • 二级参考文献(7)
2005(10)
  • 参考文献(0)
  • 二级参考文献(10)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(6)
  • 参考文献(1)
  • 二级参考文献(5)
2008(10)
  • 参考文献(1)
  • 二级参考文献(9)
2009(14)
  • 参考文献(0)
  • 二级参考文献(14)
2010(6)
  • 参考文献(1)
  • 二级参考文献(5)
2011(4)
  • 参考文献(2)
  • 二级参考文献(2)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(4)
  • 参考文献(3)
  • 二级参考文献(1)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
2018(3)
  • 引证文献(2)
  • 二级引证文献(1)
2019(2)
  • 引证文献(1)
  • 二级引证文献(1)
研究主题发展历程
节点文献
支持向量机
人工蜂群
软土地基
沉降预测
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
河南科学
月刊
1004-3918
41-1084/N
大16开
1982-01-01
chi
出版文献量(篇)
7317
总下载数(次)
0
总被引数(次)
26314
论文1v1指导