%0 Journal Article
%A 曹恩华
%A 包腾飞
%A 胡绍沛
%A 袁荣耀
%A 鄢涛
%T 基于变量筛选优化极限学习机的混凝土坝变形预测模型
%D 2022
%R 10.11988/ckyyb.20210276
%J 
院报
%P 59-65
%V 39
%N 7
%X 传统的统计模型泛化能力较弱且容易引入高维变量,这将对基于神经网络预测模型的输出结果产生负面影响,同时增加了过拟合风险。因此,有必要建立一个具有适当维度的数据驱动模型,以实现对大坝变形的准确监控。选用极限学习机(ELM)作为基础预测模型,提出基于平均影响值MIV-ELM模型的变量筛选法,以消除初始变量集中的冗余信息,从而降低模型复杂度,提高预测精度。分析结果表明,与传统预测模型相比,HST-MIV-ELM不仅具有最高的预测精度和预测性能,同时也有较强的可拓展性,为大坝安全监控系统的构建提供了可靠的理论基础。
%U http://ckyyb.crsri.cn/CN/10.11988/ckyyb.20210276