Indexed by：
Abstract：
针对大坝变形具有强非线性的特点以及在采用传统BP神经网络模型进行预报时存在学习速度慢、易陷入局部极小等问题,提出将极限学习机(ELM)方法用于大坝变形预报.该方法不仅可以简化网络参数选择过程,而且可以明显提高网络的训练速度,并具有良好的泛化性能.工程实例结果分析表明了ELM方法应用于大坝变形预报具有可行性和有效性.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
江南大学学报(自然科学版)
ISSN： 1671-7147
CN： 32-1666/N
Year： 2011
Issue： 4
Volume： 10
Page： 435-438
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 2
Affiliated Colleges：
