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; 席广永河海大学; 山东农业大学; 郑州轻工业学院
测绘通报2013-11-25
7阅读
引用收藏
分享

摘要

从理论上分析ν-SVR参数的规律性,介绍3种常用的参数寻优方法,综合考虑惩罚参数、核函数参数及ν参数对预测精度的影响。以坝体沉降监测为例,采用粒子群优化算法对支持向量机参数(C,σ,ν)同时进行优化选择,并与格网法进行对比分析,试验表明粒子群算法在寻参效率、精度和可靠性上具有明显优势。

学科与关键词

关键词
SVRPSO参数优化监测预测
相关
加载中…
  • 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; 姜彦作三峡大学学报(自然科学版), 2013, (06): 24-28.
  • 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.
  • 多目标粒子群优化的支持向量机及其在齿轮故障诊断中的应用
    王维刚; 刘占生振动工程学报, 2013, (05): 743-750.
查看全部 →

发表信息

论文状态
公开发表
期刊
测绘通报
发表日期
2013-11-25
卷期
第 11 期
页码
40-43
成果收录
CHINAJOURNAL

作者

  • 丛

    丛康林 (第一作者)

  • 岳

    岳建平

查看全部 3 位作者收起作者
  • 席

    席广永

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