Indexed by：
Abstract：
本文将结构风险最小化原则引入极限学习机模型,建立了在考虑变形因子模式下大坝变形预报的正则化极限学习机模型.该模型不仅计算速度较快,而且具有较强的泛化能力.通过对实际工程监测数据的详细分析,结果表明正则化极限学习机模型可以避免原极限学习机模型会导致过学习现象发生的可能,且其预报精度要优于原极限学习机模型、支持向量机模型与BP神经网络模型.显示了将其应用于大坝变形数据分析与预报领域是完全行之有效的.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
贵州大学学报（自然科学版）
ISSN： 1000-5269
CN： 52-5002/N
Year： 2015
Issue： 6
Volume： 32
Page： 57-61
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 6
Affiliated Colleges：
