论文部分内容阅读
为解决多输出边坡变形预测问题,提高预测模型的精度及计算效率,提出基于多输出相关向量机(MRVM)的边坡变形预测新模型。通过将标准RVM的单输出功能拓展到多维输出功能的方式建立MRVM,并利用PSO算法优化其参数。以某大型干坞边坡变形为例,基于MRVM建立边坡坡顶水平变形与沉降变形预测模型,并对其精度及计算效率进行分析。实验结果表明,MRVM的精度高于BP神经网络、支持向量机(SVM)、RVM,证实拓展RVM所采用的方法可行,并具有较好的边坡预测精度;MRVM的计算时间远小于BP神经网络、支持向量机(