基于影響因子篩選和GWO-KELM的大壩變形預(yù)測模型

摘要： 為構(gòu)建高精度大壩變形預(yù)測模型，引入基于最大信息系數(shù)特征篩選方法（MIC-CFS）對大壩變形影響因子進行篩選，減少冗余信息，降低模型復(fù)雜度。同時運用灰狼優(yōu)化算法（GWO）對核極限學(xué)習(xí)機（KELM）的正則化系數(shù)和核參數(shù)進行尋優(yōu)，提高模型預(yù)測精度，建立基于MIC-CFS-GWO-KELM的大壩變形預(yù)測模型。以某混凝土雙曲拱壩實測資料對模型進行測試，結(jié)果表明，所建模型在均方根誤差、平均... （共7頁）