首页|基于LM-BP和SVR的倾倒变形体变形预测

基于LM-BP和SVR的倾倒变形体变形预测

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为了深入了解黄登水电站1号倾倒变形体的变形趋势,采用LM-BP神经网络和SVR进行变形预测研究.基于倾倒变形体的实际变形监测资料,对位移、降雨、库水位、温度等资料进行分析,以库水位、降雨量、温度、时间作为输入参数,以位移变形作为输出参数,构建LM-BP神经网络模型和SVR模型,对部分监测数据进行(先行学习)训练,对后续的监测数据进行验证预测,预测预报了研究测点的变形情况.分析结果表明,2个模型精度都比较高,LM-BP神经网络模型的最大误差为2.53％,SVR模型的最大误差为4.35％,预测方法有效.
Deformation prediction of toppling deformed slope based on LM-BP and SVR

徐卫亚、徐伟、闫龙、陈鸿杰、黄德凡

展开 >

河海大学岩土工程科学研究所,江苏南京 210098

河海大学岩土力学与堤坝工程教育部重点实验室,江苏南京 210098

华能澜沧江水电股份有限公司,云南昆明 650214

中国电建集团昆明勘测设计研究院有限公司,云南昆明 650214

展开 >

倾倒变形体 变形预测 机器学习 深度学习 LM-BP神经网络 支持向量回归

2017YFC15011005193900411772118HNKJ18-H24

2021

10.3876/j.issn.1000-1980.2021.01.010

河海大学学报(自然科学版)
河海大学

河海大学学报(自然科学版)

CSTPCDCSCD北大核心
影响因子：0.803
ISSN：1000-1980
年,卷(期)：2021.49(1)
  • 6
  • 14