基于在线AdaBoost回归树算法的混合试验恢复力预测方法

• 作者: 吕静 吴京 王成 王燕华
• 来源期刊: 东南大学学报（英文版）
• 学科: 工学
• 关键词: 混合试验 恢复力预测 泛化能力 AdaBoost回归树
• 年，卷（期）: 2020,（2）
• 页码范围: 181-187
• 页数: 7页
• 分类号: TU352
• 字数: 707字
• 语种: 英文
• DOI: 10.3969/j.issn.1003-7985.2020.02.008

摘要

为了解决模型更新混合试验中BP神经网络算法泛化能力较差的问题,引入了一种新方法-AdaBoost回归树算法作为混合试验中的模型更新算法.在学习阶段,选择回归树作为弱回归模型进行训练,然后将多个弱回归模型集成为一个强回归模型,最后对训练结果进行表决输出.利用在线AdaBoost回归树算法和BP神经网络算法作为模型更新算法,对一个二自由度非线性结构进行了数值模拟.结果表明,在线AdaBoost回归树算法的预测精度比神经网络高48.3％,证实了AdaBoost回归树算法比BP神经网络算法具有更好的泛化能力,并且有效消除了权重初始化的影响,提高了混合试验中恢复力的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴京	东南大学混凝土及预应力混凝土结构教育部重点实验室	82	525	13.0	20.0
2	王成	东南大学混凝土及预应力混凝土结构教育部重点实验室	5	16	2.0	4.0
3	王燕华	东南大学混凝土及预应力混凝土结构教育部重点实验室	15	208	4.0	14.0
4	吕静	东南大学混凝土及预应力混凝土结构教育部重点实验室	2	0	0.0	0.0