ScholarMate
English简体中文繁體中文
客服热线:400-1616-289
登录注册
期刊论文

基于遗传算法的LIBSVM模型大坝扬压力预测研究

刘天祥; 包腾飞; 宋锦焘; 沈寿亮; 梁睿斌; 姜彦作河海大学
三峡大学学报(自然科学版)2013-12-25
5阅读
引用收藏
分享

摘要

支持向量机(S VM)模型的核心问题是惩罚因子c和核函数参数g的选取.通常支持向量机库工具箱(LIBSVM)采用传统网格搜索算法进行参数寻优,只能得到交叉验证意义下的全局最优解,在更大范围内进行参数寻优比较费时,且效率较低,针对这一问题,提出了基于遗传算法的启发式寻优,以交叉验证(CV)意义下的准确率为适应度,通过一系列的选择交叉变异操作,得到最优的c和g,将优化后的SVM模型应用于大坝扬压力的预测.通过某大坝扬压力监测的实例应用,将遗传算法优化的LIBSVM与传统的LIBSVM预测相对比,预测效果更好,精度更高.

学科与关键词

关键词
LIBSVM遗传算法坝基扬压力预测 LIBSVMgenetic algorithm(GA)uplift pressureforecasting
相关
加载中…
  • 基于坝体沉降监测的ν-SVR参数优化方法研究
    丛康林; 岳建平; 席广永测绘通报, 2013, (11): 40-43.
  • 基于PSO-SVM模型的拱坝坝变形预测研究
    刘敬洋; 刘何稚; 朱凯; 陈晨; 张凤山三峡大学学报(自然科学版), 2013, (01): 30-33.
  • 基于改进遗传算法的支持向量机预测模型研究
    陈锦青; 韩延杰微型机与应用, 2013, (24): 82.
查看全部 →

发表信息

论文状态
公开发表
期刊
三峡大学学报(自然科学版)
发表日期
2013-12-25
卷期
第 06 期
页码
24-28
语言
中文
成果收录
CHINAJOURNAL
资助标注
国家自然科学基金资助项目(51139001);新世纪优秀人才支持计划资助(NCET-11-0628);高等学校博士学科点专项科研基金(20120094110005);中央高校基本科研业务费项目(2012B07214)

作者

  • 刘

    刘天祥 (第一作者)

  • 包

    包腾飞

查看全部 6 位作者收起作者
  • 宋

    宋锦焘

  • 沈

    沈寿亮

  • 梁

    梁睿斌

  • 姜

    姜彦作

登录解锁更多功能

  • 收藏这篇,随时在“我的 · 收藏”找回
  • 认领你的成果,生成推广素材
  • 关注作者获取最新成果
  • 加入项目组、协同写作
注册 / 登录

产品服务

  • 科研之友
  • 创新城
  • 科创云

服务支持

  • 帮助中心
  • 隐私政策
  • 服务条款

联系方式

在线客服:【】
客服热线:400-1616-289
电子邮箱:support@scholarmate.com

关注或下载科研之友

微信二维码
微信公众号
客户端下载二维码
下载客户端
科研成果科研人员科研机构科研动态爱瑞思软件

©2026 深圳市科研之友网络服务有限公司

公安备案图标粤公网安备 44030502000213
粤ICP备 16046710 号粤B2-20110417