不同机器学习模型对混凝土坝位移预测性能的影响

   发布时间: 2023-04-12    访问次数: 14

不同机器学习模型对混凝土坝位移预测性能的影响

技术简介:

针对机器学习模型的合理选择问题,基于GaussLinearSigmoid核函数,对某拱坝径向位移利用支持向量机、关联向量机、极限学习机和传统多元线性回归法分别建立预测模型,并对比分析拟合均方差、复相关系数、最大绝对误差和预测置信带宽等模型性能评价指标。结果表明,机器学习模型的性能整体优于多元线性回归模型,但受核函数的影响较大,其中Sigmoid核函数所建模型的预测效果最好,且泛化能力最强,Gauss核函数的过拟合问题非常严重;支持向量机模型的预测性能最好,且受核函数的影响相对较小,而关联向量机模型的预测置信带宽最小,能有效减少虚假警报。


研发人员:隋旭鹏;王少伟;朱圣辉;徐丛;