版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、智能計算方法是近年來研究大壩安全監(jiān)測建立回歸模型和材料力學(xué)參數(shù)識別的有力工具,目前正處于較快發(fā)展階段。人工蜂群算法是具有較大發(fā)展?jié)摿Φ男滦椭悄軆?yōu)化算法,和傳統(tǒng)的優(yōu)化方法相比,具有實(shí)現(xiàn)簡單、收斂精度高等特點(diǎn)。將人工蜂群算法用于大壩安全監(jiān)測,開展了以下幾個方面的工作:
1、在大壩安全位移監(jiān)測統(tǒng)計模型研究的基礎(chǔ)上,針對傳統(tǒng)大壩變形回歸模型存在的不足,將傳統(tǒng)逐步回歸模型、人工蜂群算法以及單純形算法相結(jié)合,提出了一種基于人工蜂群算法-逐
2、步回歸模型的大壩變形監(jiān)控模型。該模型以逐步回歸方法為基礎(chǔ),利用數(shù)據(jù)統(tǒng)計分析,將改進(jìn)的人工蜂群算法引入回歸模型分析,對荷載集系數(shù)進(jìn)行優(yōu)化和重新評估。人工蜂群算法是一種新型的群體智能優(yōu)化方法,將其引入大壩安全監(jiān)控建模領(lǐng)域,同時為改進(jìn)算法的性能,引入了單純形操作算子。結(jié)合豐滿混凝土大壩實(shí)例分析表明,與同類模型相比,所提出模型在一定程度上改善了擬合效果,達(dá)到了簡化模型、提高模型擬合精度和增強(qiáng)模型預(yù)測能力的目的。
2、基于上述方法建立監(jiān)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于人工蜂群算法的分類算法研究.pdf
- 基于人工蜂群算法的云計算.pdf
- 基于改進(jìn)人工蜂群算法的聚類研究
- 基于改進(jìn)人工蜂群算法的聚類研究.pdf
- 基于人工蜂群算法的節(jié)能分簇協(xié)議.pdf
- 基于人工蜂群算法的約束優(yōu)化問題研究.pdf
- 基于人工蜂群算法的云任務(wù)調(diào)度研究.pdf
- 基于人工蜂群算法的拖輪調(diào)度優(yōu)化.pdf
- 人工蜂群算法優(yōu)化感知機(jī).pdf
- 人工蜂群算法的研究與改進(jìn).pdf
- 人工蜂群算法的改進(jìn)與應(yīng)用.pdf
- 混合人工蜂群算法的改進(jìn)研究.pdf
- 人工蜂群算法的研究與應(yīng)用.pdf
- 基于人工蜂群算法的自動制圖綜合研究.pdf
- 基于反饋的多目標(biāo)人工蜂群算法研究.pdf
- 基于人工蜂群算法的產(chǎn)品裝配規(guī)劃研究.pdf
- 基于人工蜂群算法的泵站運(yùn)行優(yōu)化研究.pdf
- 人工蜂群算法的研究及應(yīng)用.pdf
- 人工蜂群算法及其應(yīng)用的研究.pdf
- 結(jié)合人工蜂群的車牌識別算法.pdf
評論
0/150
提交評論