文献

J-GLOBAL ID：202202232929975422   整理番号：22A1003622

土石ダムの圧密特性改良多出力予測モデル研究【JST・京大機械翻訳】

Study on improved multi-output prediction model for compaction characteristics of earth-rock dam materials

著者 (6件)： Liu Minghui (天津大学水利工程倣真与安全国家重点実験室,天津 300072) ,  Wang Xiaoling (天津大学水利工程倣真与安全国家重点実験室,天津 300072) ,  Wang Jiajun (天津大学水利工程倣真与安全国家重点実験室,天津 300072) ,  Yue Pan (雅long江流域水電開発有限公司,成都 610051) ,  Yang Lingyun (中国電建集団 成都勘測設計研究院有限公司,成都 610072) ,  Wang Xiaolong (中国電建集団 成都勘測設計研究院有限公司,成都 610072)
資料名： Shuili Fadian Xuebao  (Shuili Fadian Xuebao)
巻： 41  号： 1  ページ： 63-73  発行年： 2022年 
JST資料番号： C2170A  ISSN： 1003-1243  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 土石ダムの圧密特性は,ダムの建設品質を保証するために非常に重要である。しかし、現在のダム材料の圧密特性の予測は主に物理、力学と浸透圧の実際の特性に対する単出力回帰予測であり、各圧密特性目標間の相関性の考慮に欠けている。上述の問題に対して、土石ダムの圧密特性の改良多出力ガウス過程回帰(IMO-GPR)予測モデルを提出した。ノイズのある密度ベースのクラスタリング法を採用して,ターゲットの特定特性を構築し,多重出力Gauss過程回帰(MO-GPR)モデルのオリジナル入力空間を特徴的に拡張し,高次元特徴空間の複雑なマッピング関係のデカップリング能力を改善した。同時に、MO-GPRモデルにおける出力共分散係数行列を結合して、多出力圧密特性目標間の相関性の有効な考慮を実現し、最終的に多出力圧密特性を正確に予測する。従来のGauss過程回帰(GPR),多出力限界学習マシン(MO-ELM)およびMO-GPRモデルと比較して,提案IMO-GPRモデルの予測精度は,それぞれ24%,20%および17%増加し,そして,ノイズ干渉,データ異常,および雑音除去に影響を及ぼした。データ量が少ないなどの状況はもっと強いロバスト性を持ち、土石ダムの圧密特性分析に新たな構想を提供した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 干渉 ,  雑音 ,  学習 ,  *ダム ,  共分散 ,  多重化 ,  デカップリング ,  *モデル ,  高次元 ,  ロバスト性 ,  雑音除去 ,  *予測モデル
準シソーラス用語： 予測精度 ,  特徴空間 ,  係数行列 , 【Automatic Indexing@JST】

分類 (1件)： 水力発電  (NB03030S)

タイトルに関連する用語 (5件)： ダム ,  圧密特性 ,  出力予測 ,  モデル ,  研究