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:
采用小波分析的方法对地铁原始监测数据进行去噪处理,将得到的平稳可靠的监测数据用于建立支持向量机训练集,进行沉降预测.实际沉降数据处理和预测结果显示,小波分析方法能够准确提取监测数据中的沉降趋势性信息,W-SVM组合算法能够显著提高沉降预测的精度.
推荐文章
基于小波支持向量机的非线性组合预测方法研究
小波
支持向量机
核函数
非线性组合预测
提升小波支持向量机在交通流量预测中的应用
提升小波
支持向量机
交通流量预测
应用小波变换和支持向量机的商业电力负荷预测
商业电力
负荷预测
支持向量机
小波分解
节能
数据采集系统
粒子群算法
基于小波的支持向量机算法研究
小波核
混沌
支持向量机
泛化能力
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 小波-支持向量机组合算法在地铁沉降预测中的应用
来源期刊 铁道勘察 学科 交通运输
关键词 支持向量机 小波分析 沉降预测 地铁监测
年,卷(期) 2018,(1) 所属期刊栏目 工程测量
研究方向 页码范围 19-21
页数 3页 分类号 U455.43
字数 2321字 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 余鹏 7 13 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (59)
共引文献  (108)
参考文献  (10)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(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)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
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(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(6)
  • 参考文献(0)
  • 二级参考文献(6)
2005(4)
  • 参考文献(1)
  • 二级参考文献(3)
2006(8)
  • 参考文献(2)
  • 二级参考文献(6)
2007(4)
  • 参考文献(1)
  • 二级参考文献(3)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(3)
  • 参考文献(2)
  • 二级参考文献(1)
2011(4)
  • 参考文献(0)
  • 二级参考文献(4)
2012(5)
  • 参考文献(1)
  • 二级参考文献(4)
2013(4)
  • 参考文献(2)
  • 二级参考文献(2)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(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)
研究主题发展历程
节点文献
支持向量机
小波分析
沉降预测
地铁监测
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
铁道勘察
双月刊
1672-7479
11-5182/U
大16开
北京市丰台区广安路15号中铁咨询大厦 731室
80-230
1975
chi
出版文献量(篇)
3627
总下载数(次)
4
论文1v1指导