100 积分
50
评分
4.7 积分- 详情
- 2021-04-26
- 简介
pdf
- 688KB
- 页数 4P
- 阅读 104
- 下载 32
针对神经网络用于基坑变形预测存在结构难确定、训练易陷入局部最优及易过学习等问题,构造滚动时间窗,以已有的实测时间序列为样本,利用最小二乘支持向量机(LS-SVM)建立基坑预测模型,应用网格搜索算法优化模型参数,连续滚动地多步预测基坑变形。实例结果表明,该模型预测效果优于BP神经网络,具有所需数据少、推广能力强等优点。
对不起，您暂无在线预览权限，如需浏览请
立即登录热门商品
相关推荐
基于LS-SVM的基坑变形时间序列预测模型 688KB
基于PSO-LSSVM模型的基坑变形时间序列预测 521KB
基于SVM的高层建筑变形的时间序列预测 513KB
基于季节性时间序列模型的空调负荷预测 128KB
基于城市建筑变形监测系统的时间序列模型研究 592KB
基于小波分析的神经网络基坑变形预测模型 1.5MB
改进GM(1,1)模型在基坑变形预测中的应用 561KB
基于ARMA模型的隧道位移时间序列分析 370KB
杭州湾悬浮泥沙浓度时间序列模型和预测 112KB
基坑变形灰色人工神经网络预测模型及其应用 171KB