本文主要研究内容
作者黄华东,郭张军（2019）在《大坝安全智能监控模型对比分析研究》一文中研究指出：大坝安全监控模型作为大坝安全监控体系的主体,其在监控大坝施工、运行及安全性态综合评价等定量分析方面起着重要作用。伴随着机器学习技术的发展,大坝安全智能监控模型也得到了较大程度的改进,出现了大量智能监控模型。考虑到大坝安全监控模型的预测精度、鲁棒性、外延性及泛化性等性能要求,本文针对人工神经网络(ANN)模型、决策树(DT)模型、随机森林(RF)模型、极限学习机(ELM)模型、支持向量机(SVM)模型等典型监控模型的性能进行了对比分析,分析其各自的优缺点。试验结果表明:大坝安全智能监控模型总体性能优于传统监控模型,其中预测精度较传统模型有了较大提高,但智能监控模型在鲁棒性、外延性及泛化性等性能方面存在严重的不稳定性,因此进一步改善监控模型的鲁棒性、外延性及泛化性才能提高其实际应用价值。
Abstract
da ba an quan jian kong mo xing zuo wei da ba an quan jian kong ti ji de zhu ti ,ji zai jian kong da ba shi gong 、yun hang ji an quan xing tai zeng ge ping jia deng ding liang fen xi fang mian qi zhao chong yao zuo yong 。ban sui zhao ji qi xue xi ji shu de fa zhan ,da ba an quan zhi neng jian kong mo xing ye de dao le jiao da cheng du de gai jin ,chu xian le da liang zhi neng jian kong mo xing 。kao lv dao da ba an quan jian kong mo xing de yu ce jing du 、lu bang xing 、wai yan xing ji fan hua xing deng xing neng yao qiu ,ben wen zhen dui ren gong shen jing wang lao (ANN)mo xing 、jue ce shu (DT)mo xing 、sui ji sen lin (RF)mo xing 、ji xian xue xi ji (ELM)mo xing 、zhi chi xiang liang ji (SVM)mo xing deng dian xing jian kong mo xing de xing neng jin hang le dui bi fen xi ,fen xi ji ge zi de you que dian 。shi yan jie guo biao ming :da ba an quan zhi neng jian kong mo xing zong ti xing neng you yu chuan tong jian kong mo xing ,ji zhong yu ce jing du jiao chuan tong mo xing you le jiao da di gao ,dan zhi neng jian kong mo xing zai lu bang xing 、wai yan xing ji fan hua xing deng xing neng fang mian cun zai yan chong de bu wen ding xing ,yin ci jin yi bu gai shan jian kong mo xing de lu bang xing 、wai yan xing ji fan hua xing cai neng di gao ji shi ji ying yong jia zhi 。
论文参考文献
论文详细介绍
论文作者分别是来自中国水运(下半月)的黄华东,郭张军，发表于刊物中国水运(下半月)2019年06期论文，是一篇关于智能监控论文,机器学习论文,监测数据处理论文,水利工程论文,中国水运(下半月)2019年06期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自中国水运(下半月)2019年06期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：智能监控论文; 机器学习论文; 监测数据处理论文; 水利工程论文; 中国水运(下半月)2019年06期论文;