基于AdaBoost-PSO-ELM算法的滑坡位移预测研究

论文摘要

矿山排土场滑坡的过程是一个动态、大延迟、高度非线性的特性问题,影响矿山排土场滑坡的因素众多,各个特性指标间相互影响,关于排土场滑坡预警并没有严格的划分标准。对此,提出一种自适应提升算法(Adaptive Boosting, AdaBoost)、改进的粒子群算法(Particle Swarm Optimization, PSO)和极限学习机(Extreme Learning Ma chine, ELM)相结合的矿山排土场滑坡短期预测方法。该方法首先利用粒子群优化算法得出ELM模型的最佳输入参数,再通过自适应提升算法将得到的多个极限学习机弱预测器组成新的强预测器并进行预测,最后以某矿山排土场采集的数据为算例,结果表明改进的组合方法的预测精度明显优于由粒子群优化算法优化参数的极限学习机模型和单独的极限学习机模型的预测精度,其预测结果接近于真实值,为实现矿山排土场滑坡预警提供了可能。

论文目录

• 0 引言
• 1 算法分析与设计
•   1.1 极限学习机模型
•   1.2 粒子群优化算法
•   1.3 AdaBoost的粒子群优化极限学习机算法 （Ad-aBoost-PSO-ELM） 设计
• 2 试验研究与结果分析
• 3 结论

文章来源

类型: 期刊论文

作者: 张晓明,曹国清,陈增强,何佳康

关键词: 粒子群算法,自适应提升算法,极限学习机,滑坡预测,矿山排土场

来源: 电子技术应用 2019年02期

年度: 2019

分类: 信息科技,基础科学,工程科技Ⅱ辑

专业: 地质学,工业通用技术及设备,自动化技术

单位: 北京石油化工学院信息工程学院,北京化工大学信息科学与技术学院

基金: 北京市教育委员会科技计划项目(KM201710017008)

分类号: TP18;P642.22

DOI: 10.16157/j.issn.0258-7998.182981

页码: 84-87+92

总页数: 5

文件大小: 367K

下载量: 220