[1] |
李珍照. 国外大坝监测分析的新进展[J]. 水力发电学报, 1992(2):75-84.
|
[2] |
孙本大,王玮. 神经网络在大坝安全监控数据分析系统中的应用[J]. 计算机与现代化, 2008(8):130-132.
|
[3] |
沈哲辉,黄腾,沈月千,等. 遗传算法优化支持向量机在大坝变形预测中的应用[J]. 大地测量与地球动力学, 2016,36(10):927-929.
|
[4] |
张海龙,范振东. 基于改进PSO-ELM算法的混凝土坝变形非线性监控模型[J]. 水电能源科学, 2018,36(1):82-84.
|
[5] |
HUANG N E, SHEN Z, LONG S R, et al. The empirical mode decomposition and Hilbert spectrum for mon-stationary time series analysis[J]. Proceedings of the Royal Society A, 1998,454(1971):903-995.
|
[6] |
HUANG G B, WANG D H, LAN Y. Extreme learning machines: A survey[J]. International Journal of Machine Learning and Cybernetics, 2011,2:107-122.
|
[7] |
曹恩华,包腾飞,刘永涛,等. 基于EMD-RVM-Arima的大坝变形预测模型及其应用[J]. 水利水电技术, 2018,49(12):59-64.
|
[8] |
金盛杰,包腾飞,陈迪辉,等. 基于EMD分解法的大坝变形预测模型及应用[J]. 水利水电技术, 2017,48(12):41-44.
|
[9] |
熊涛. 基于EMD的时间序列预测混合建模技术及其应用研究[D]. 武汉:华中科技大学, 2014.
|
[10] |
王玉振. 基于EMD的小波神经网络模型预测大坝变形[J]. 水力发电, 2018,44(8):101-104.
|
[11] |
刘思敏,徐景田,鞠博晓. 基于EMD和RBF神经网络的大坝形变预测[J]. 测绘通报, 2019(8):88-91.
|
[12] |
戴波,何启. 大坝变形监测统计模型与混沌优化ELM组合模型[J]. 水利水运工程学报, 2016(6):9-15.
|
[13] |
〖JP2〗胡德秀,屈旭东,杨杰,等. 基于M-ELM的大坝变形安全监控模型[J]. 水利水电科技进展, 2019,39(3):75-80.
|
[14] |
缪新颖,褚金奎,杜小文. LM-BP神经网络在大坝变形预测中的应用[J]. 计算机工程与应用, 2011,47(1):220-222.
|
[15] |
秦琼,刘树洁,赖旭,等. GA优化ELM神经网络的风电场测风数据插补[J]. 太阳能学报, 2018,39(8):2125-2132.
|
[16] |
杨超. 改进的粒子群优化BP神经网络在大坝变形预测中的应用[D]. 南昌:东华理工大学, 2016.
|
[17] |
张先帅,陈新,杨淘,等. 遗传算法在大坝安全监测模型中的应用[J]. 水利水电技术, 2016,47(11):111-114.
|
[18] |
靳建彬,王元钦,陈源. 基于遗传算法的BP神经网络优化策略研究[J]. 计算机与现代化, 2010(9):88-91.
|
[19] |
俞凯加,储冬冬,李星. ARIMA-BP组合分析模型在某心墙堆石坝沉降量预测中的应用[J]. 水电能源科学, 2015,33(6):72-75.
|
[20] |
包丽娜,唐德善,胡晓波,等. 基于小波分解及Arima误差修正的径流预测模型及应用[J]. 长江科学院院报, 2018,35(12):18-21.
|
[21] |
晏红波,周斌,卢献健,等. 基于EEMD-GA-BP模型的大坝变形监测数据预测[J]. 长江科学院院报, 2019,36(9):58-63.
|
[22] |
李丰旭. 基于智能算法的尾矿坝变形预测及稳定性评价研究[D]. 贵阳:贵州大学, 2019.
|
[23] |
梁月吉,任超,刘立龙,等. 基于EMD和GA-BP神经网络的大坝变形预测[J]. 桂林理工大学学报, 2015,35(1):111-116.
|
[24] |
邢尹,陈闯,刘立龙,等. 改进遗传算法和BP神经网络的大坝变形预测[J]. 计算机工程与设计, 2018,39(8):2628-2631.
|