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:
为找出桥梁工程位移估算的标准模型,本文基于Feed神经网络、Elman神经网络、Time神经网络和Cascade神经网络共4种人工神经网络模型,采用traincgb算法、trainrp算法、traincgf算法和traincgp算法等14种训练算法训练模型,构建了16种模型,并以均方根误差(RMSE)、相对均方根误差(RRMSE)、决定系数(R2)、平均绝对误差(MAE)、效率系数(Ens)评价不同模型精度,结果表明:14种训练算法的运行效率有所差别,traincgb算法、trainrp算法、traincgf算法和traincgp算法的运行效率最高;不同模型精度有所差异,其中,Cascade神经网络模型在trainrp算法训练下的精度最高.
推荐文章
基于ARIMA的乘积季节模型在桥梁拱座位移监测中的应用
时间序列分析
桥梁拱座位移
ARIMA模型
乘积季节模型
不同机器学习模型对钢板缺陷分类的性能比较
钢板缺陷分类
机器学习
CART
RF
MLPNN
CNN
基于广义可加模型的降水空间估算模型
降水空间估计
年降水量
广义可加模型
太湖流域
基于Mindlin解的土压力位移计算模型
土压力
Mindlin应变解
土体侧向位移
极限状态
相关性
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 基于机器学习模型的桥梁不同位置位移模型估算
来源期刊 科学技术创新 学科 交通运输
关键词 城市桥梁 位移 神经网络 训练算法 Cascade神经网络
年,卷(期) 2022,(8) 所属期刊栏目 工程科技
研究方向 页码范围 104-107
页数 4页 分类号 U445
字数 语种 中文
DOI 10.3969/j.issn.1673-1328.2022.08.026
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2022(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
城市桥梁
位移
神经网络
训练算法
Cascade神经网络
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
科学技术创新
旬刊
2096-4390
23-1600/N
16开
黑龙江省哈尔滨市
14-269
1997
chi
出版文献量(篇)
126927
总下载数(次)
266
总被引数(次)
285821
论文1v1指导