《表1 WPSO算法优化得到的RBF神经网络最优参数值》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于AdaBoost集成的WPSO-RBF大坝变形监控模型》
对9种变形监测数据进行预处理(降噪处理等),降低观测误差对样本的影响。改进的PSO算法中每个粒子的位置向量Lm=(cji,dj,wj),i=1,2,…,9,j=1,2,…,10。维度为D=9×10+10+10×1=110。粒子群算法种群规模为M=20;最大迭代次数T=100;速度更新系数为c1=1.494 45,c2=1.494 45;粒子速度的边界Vmax=1。当适应度函数值达到最小时,WPSO算法优化得到一组RBF网络最优参数,如表1所示。
图表编号 | XD008641600 严禁用于非法目的 |
---|---|
绘制时间 | 2018.05.01 |
作者 | 沈晶鑫、房彬、郑东健、郭芝韵、李丹 |
绘制单位 | 河海大学水利水电学院、河海大学水文水资源与水利工程科学国家重点实验室、河海大学水利水电学院、中国电建集团贵阳勘测设计研究院有限公司、河海大学水利水电学院、河海大学水文水资源与水利工程科学国家重点实验室、河海大学水利水电学院、河海大学水文水资源与水利工程科学国家重点实验室、河海大学水利水电学院、河海大学水文水资源与水利工程科学国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |