| 不同机器学习模型对混凝土坝位移预测性能的影响 |
| |
| 引用本文： | 隋旭鹏,王少伟,朱圣辉,徐丛.不同机器学习模型对混凝土坝位移预测性能的影响[J].水电能源科学,2022(1):107-111. |
| |
| 作者姓名： | 隋旭鹏 王少伟 朱圣辉 徐丛 |
| |
| 作者单位： | 常州大学环境与安全工程学院 |
| |
| 基金项目： | 国家自然科学基金项目(51709021);中国博士后科学基金资助项目(2020M670387);中国水利水电科学研究院流域水循环模拟与调控国家重点实验室开放研究基金(IWHR-SKL-KF202002);中国水利水电科学研究院水利部水工程建设与安全重点实验室开放研究基金(202009)。 |
| |
| 摘 要： | 针对机器学习模型的合理选择问题,基于Gauss、Linear和Sigmoid核函数,对某拱坝径向位移利用支持向量机、关联向量机、极限学习机和传统多元线性回归法分别建立预测模型,并对比分析拟合均方差、复相关系数、最大绝对误差和预测置信带宽等模型性能评价指标。结果表明,机器学习模型的性能整体优于多元线性回归模型,但受核函数的影响较大,其中Sigmoid核函数所建模型的预测效果最好,且泛化能力最强,而Gauss核函数的过拟合问题非常严重;支持向量机模型的预测性能最好,且受核函数的影响相对较小,而关联向量机模型的预测置信带宽最小,能有效减少虚假警报。
|
| 关 键 词： | 混凝土坝 位移 机器学习模型 核函数 预测性能评价 |
Performance Evaluation of Different Machine Learning Models on Predicting Displacement of Concrete Dams |
| |
| SUI Xu-peng,WANG Shao-wei,ZHU Sheng-hui,XU Cong.Performance Evaluation of Different Machine Learning Models on Predicting Displacement of Concrete Dams[J].International Journal Hydroelectric Energy,2022(1):107-111. |
| |
| Authors: | SUI Xu-peng WANG Shao-wei ZHU Sheng-hui XU Cong |
| |
| Affiliation: | (School of Environmental and Safety Engineering,Changzhou University,Changzhou 213164,China) |
| |
| Abstract: | |
| |
| Keywords: | concrete dam displacement machine learning model kernel function prediction performance evaluation |
| 本文献已被 维普 等数据库收录！ |
|
