作者:
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:
传统人工蜂群算法计算流程复杂,计算时间长,为此文章引入支持向量机模型,将模型和人工蜂群算法进行融合,对人工蜂群算法进行优化并行计算,并将融合模型用于辽宁某大坝变形监测应用中.研究结果表明:融合模型可提高模型计算速率,模型计算结果更为稳定;相比于未融合的人工蜂群算法,融合模型在大坝变形监测的精度更高,融合模型均方误差降低0.45,平方相关系数提高0.62.研究成果对于大坝变形监测技术提供参考.
推荐文章
基于人工蜂群算法的大坝变形支持向量机预测模型
大坝变形
预测模型
蜂群(ABC)算法
支持向量机(SVM)
基于人工蜂群算法的大坝安全监测
大坝
安全监测
人工蜂群算法
反演分析
建模
基于混沌机制的人工蜂群算法优化的支持向量机分类器
人工蜂群算法
支持向量机
参数优化
混沌机制
锦标赛选择策略
人工蜂群算法优化支持向量机的分类研究
人工蜂群算法
支持向量机
参数优化
小麦碰撞声
分类
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 基于人工蜂群算法与支持向量机融合技术的大坝变形监测研究
来源期刊 水利技术监督 学科 工学
关键词 人工蜂群算法 支持向量机 模型融合 大坝变形监测
年,卷(期) 2017,(5) 所属期刊栏目 检测与监测
研究方向 页码范围 24-26,163
页数 4页 分类号 TV698.1
字数 3285字 语种 中文
DOI 10.3969/j.issn.1008-1305.2017.05.009
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 沈丽丽 2 5 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (52)
共引文献  (37)
参考文献  (11)
节点文献
引证文献  (4)
同被引文献  (23)
二级引证文献  (0)
1997(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(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(8)
  • 参考文献(1)
  • 二级参考文献(7)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(3)
  • 参考文献(1)
  • 二级参考文献(2)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(3)
  • 参考文献(0)
  • 二级参考文献(3)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(3)
  • 参考文献(3)
  • 二级参考文献(0)
2015(4)
  • 参考文献(4)
  • 二级参考文献(0)
2016(1)
  • 参考文献(0)
  • 二级参考文献(1)
2017(4)
  • 参考文献(0)
  • 二级参考文献(4)
2018(4)
  • 参考文献(0)
  • 二级参考文献(4)
2019(3)
  • 参考文献(0)
  • 二级参考文献(3)
2020(1)
  • 参考文献(0)
  • 二级参考文献(1)
2017(4)
  • 参考文献(0)
  • 二级参考文献(4)
  • 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)
2020(3)
  • 引证文献(3)
  • 二级引证文献(0)
研究主题发展历程
节点文献
人工蜂群算法
支持向量机
模型融合
大坝变形监测
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
水利技术监督
双月刊
1008-1305
11-3918/TV
大16开
北京德外六铺炕北小街2-1号
1993
chi
出版文献量(篇)
4348
总下载数(次)
9
总被引数(次)
11597
论文1v1指导