[1] 苏巧荣.基于MATLAB下BP神经网络的边坡稳定分析[J].河南大学学报(自然科学版),2007,31(6):595-600. [2] 蒋晨,张书毕,文小勇.基于中位数回归分析的矿区变形监测数据处理[J].金属矿山,2016,479(5):192-195. [3] 张拯,张献州.时间序列协整关系及其在变形分析中的应用研究[J].测绘工程,2015,24(9):53-58. [4] 赵财军,陈鹏宇,李莉.改进GM(1,1)模型在基坑变形预测中的应用[J].人民长江,2010,41(6):32-34,39. [5] 赵文秀,张晓丽,李国会,等.基于随机森林和RBF神经网络的长期径流预报[J].人民黄河,2015,37(2):10-12. [6] 赵洪波,冯夏庭.非线性位移时间序列预测的进化-支持向量机方法及应用[J].岩土工程学报,2003,25(4):468-471. [7] 张玉欣,程志峰,徐正平,等.参数寻优支持向量机在基于光声光谱法的变压器故障诊断中的应用[J].光谱学与光谱分析,2015,35(1):10-13. [8] 赵朝贺.一种改进的支持向量机参数优化方法[J].地理空间信息,2017,15(1):53-55,11. [9] 李丹娜,郭云开,朱善宽,等.利用PRO4SAIL与支持向量机回归的组合模型反演植被等效水厚度[J].测绘通报,2017(8):50-55. [10] 米兰,王文斌.基于支持向量回归机的汽轮机排汽焓预测研究[J].热能动力工程,2016,31(11):38-42. [11] 郭美丽,覃锡忠,贾振红,等.基于改进的网格搜索SVR的话务预测模型[J].计算机工程与科学,2014,36(4):707-712. [12] 杨学存,侯媛彬,洪卫林,等.基于参数优化支持向量机的煤泥输送管道压力预测[J].煤炭工程,2013,45(12):112-115. [13] 郭际明,王威,张帅.支持向量机辅助下的智能手机行人运动模式识别[J].测绘通报,2018(2):1-5. [14] 郑志成,徐卫亚,等.基于混合核函数PSO-LSSVM的边坡变形预测[J].岩土工程,2012,33(5):1421-1426. [15] 高昆仑,刘建明,徐茹枝,等.基于支持向量机和粒子群算法的信息网络安全态势复合预测模型[J].电网技术,2011,35(4):176-182. |