原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了基于K折交叉验证和粒子群算法优化的广义回归神经网络模型(K‑PSO‑GRNN)的土体冻胀率预测方法，旨在通过改进的GRNN模型解决土体冻胀率预测问题，属于冻土研究领域。所述方法包括如下步骤：步骤1、分析影响冻胀率的主要因素，收集不同土体的冻胀率数据，构建样本集。步骤2、对样本集数据进行最大最小化预处理，将样本集80％的冻胀率数据用于训练阶段，20％的冻胀率数据用于测试阶段。步骤3、使用K折交叉验证进行训练集数据的划分，评估模型在不同数据集下的预测能力，减少模型的过拟合现象。步骤4、利
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117371616A
(43)申请公布日2024.01.09
(21)申请号202311530459.8
(22)申请日2023.11.16
(71)申请人兰州大学
文档评论（0）