论文摘要
大坝安全监控模型作为大坝安全监控体系的主体,其在监控大坝施工、运行及安全性态综合评价等定量分析方面起着重要作用。伴随着机器学习技术的发展,大坝安全智能监控模型也得到了较大程度的改进,出现了大量智能监控模型。考虑到大坝安全监控模型的预测精度、鲁棒性、外延性及泛化性等性能要求,本文针对人工神经网络(ANN)模型、决策树(DT)模型、随机森林(RF)模型、极限学习机(ELM)模型、支持向量机(SVM)模型等典型监控模型的性能进行了对比分析,分析其各自的优缺点。试验结果表明:大坝安全智能监控模型总体性能优于传统监控模型,其中预测精度较传统模型有了较大提高,但智能监控模型在鲁棒性、外延性及泛化性等性能方面存在严重的不稳定性,因此进一步改善监控模型的鲁棒性、外延性及泛化性才能提高其实际应用价值。
论文目录
文章来源
类型: 期刊论文
作者: 黄华东,郭张军
关键词: 智能监控,机器学习,监测数据处理,水利工程
来源: 中国水运(下半月) 2019年06期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 水利水电工程
单位: 南京南瑞集团公司,国网陕西省电力公司电力科学研究院
分类号: TV698.1
页码: 71-73
总页数: 3
文件大小: 2159K
下载量: 113