基于ELM模型的混凝土坝坝基渗压预测

• 作者: 喻和平 张蒙 陈玉江
• 来源期刊: 水利与建筑工程学报
• 学科: 工学
• 关键词: 混凝土坝 渗透压力 神经网络 极限学习机 预测
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 水利水电工程
• 页码范围: 159-162,220
• 页数: 5页
• 分类号: TV642
• 字数: 3423字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-1144.2019.01.028

摘要

为更精确的预测某混凝土坝坝基渗压变化趋势以保证大坝安全,利用混凝土重力坝渗压监测数据建立基于极限学习机(Extreme Learning Machine,ELM)的大坝基础渗压预测模型,并与传统逐步回归和传统BP神经网络方法进行对比.结果表明:ELM模型能够准确反映大坝坝基渗透系统的不确定性非线性关系,相比于逐步回归模型,ELM模型则可使hrmse减幅至少有34.1％,误差区间降低有36.5％.ELM模型在精度和稳定性上均优于其余2种模型,其仿真曲线与测点渗压实测动态基本一致.该模型可作为渗透压力预测的推荐模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	喻和平	长沙理工大学水利工程学院	8	20	3.0	4.0
2	张蒙	长沙理工大学水利工程学院	2	0	0.0	0.0
3	陈玉江	长沙理工大学水利工程学院	1	0	0.0	0.0