100 积分
50
评分
4.8 积分- 详情
- 2020-12-27
- 简介
pdf
- 513KB
- 页数 4P
- 阅读 91
- 下载 23
介绍了支持向量机回归原理,建立了某高层建筑变形的时间序列预测模型,并采用网格搜索法对模型参数进行选择,保证模型的泛化能力。实验结果证明,和BP神经网络相比,支持向量机有更好的预测精度。
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SVM的高层建筑变形的时间序列预测 513KB
基于LS-SVM的基坑变形时间序列预测模型 688KB
基于非等时距数据序列的高层建筑沉降预测 555KB
基于灰色时间序列组合的隧道变形预测研究 119KB
基于时间序列的高速公路软基沉降预测研究 189KB
基于PSO-LSSVM模型的基坑变形时间序列预测 521KB
基于时间序列预测的充电站规划与预测研究 153KB
基于时间序列的建筑工程造价预测 200KB
基于时间序列的建筑工程造价预测研究 186KB
基于时间序列的建筑工程造价预测研究 145KB