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:
以大坝渗流监测数据为分析对象,建立逐步回归-优化后BP神经网络模型,运用matlab工具箱函数,采用L-M算法训练函数,比较不同的网络结构的计算速度.以江西省大余县油罗口水库为例,对大坝进行渗流分析.结果 表明,采用逐步回归-优化后的BP神经网络模型可提升训练速度,提高计算效率,在统计模型预测精度较差时,拟合效果提高明显.
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 基于逐步回归法的BP神经网络在大坝渗流分析中的应用
来源期刊 陕西水利 学科 地球科学
关键词 渗流 逐步回归法 BP-神经网络 混合模型
年,卷(期) 2019,(4) 所属期刊栏目 水利科技
研究方向 页码范围 22-24,26
页数 4页 分类号 P698.1
字数 2617字 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (35)
共引文献  (90)
参考文献  (5)
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)
1993(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)
1999(2)
  • 参考文献(1)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(4)
  • 参考文献(0)
  • 二级参考文献(4)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(4)
  • 参考文献(1)
  • 二级参考文献(3)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(1)
  • 参考文献(0)
  • 二级参考文献(1)
2016(2)
  • 参考文献(0)
  • 二级参考文献(2)
2017(2)
  • 参考文献(0)
  • 二级参考文献(2)
2019(2)
  • 参考文献(0)
  • 二级参考文献(2)
2020(1)
  • 参考文献(0)
  • 二级参考文献(1)
2019(2)
  • 参考文献(0)
  • 二级参考文献(2)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
渗流
逐步回归法
BP-神经网络
混合模型
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
陕西水利
月刊
1673-9000
61-1109/TV
大16开
陕西省西安市尚德路150号
1932
chi
出版文献量(篇)
11441
总下载数(次)
19
总被引数(次)
7924
论文1v1指导