论文摘要
针对三峡库区的阶跃型滑坡位移特征,以白水河滑坡为例,提出一种基于时间序列和灰狼优化的极限学习机（GWO-ELM）位移预测模型。首先,根据滑坡的内在演化规律和外部影响因素,建立滑坡位移的时间序列模型,将监测位移分解为趋势性位移和周期性位移,并运用稳健加权最小二乘法的三次多项式对趋势性位移进行拟合,以此得到周期性位移。其次,对位移监测数据进行分析,选取周期性位移的影响因子,分别通过GWO-ELM、极限学习机（ELM）和灰狼优化的支持向量机（GWO-SVM）模型对周期性位移进行预测。研究结果表明:GWO-ELM预测模型具有良好的泛化能力,能有效减少人为误差,在预测精度上,明显优于ELM和GWO-SVM模型。基于时间序列与GWO-ELM位移预测模型具有较高的预测精度和泛化能力,是一种有效的滑坡位移预测方法。
论文目录
文章来源
类型: 期刊论文
作者: 廖康,吴益平,李麟玮,苗发盛,薛阳
关键词: 滑坡位移预测,时间序列,模型,趋势性位移,周期性位移
来源: 中南大学学报(自然科学版) 2019年03期
年度: 2019
分类: 工程科技Ⅱ辑,基础科学
专业: 地质学,工业通用技术及设备,水利水电工程
单位: 中国地质大学(武汉)工程学院
基金: 国家重点研发计划(2017YFC1501301),国家自然科学基金资助项目(41572278)~~
分类号: P642.22;TV697.23
页码: 619-626
总页数: 8
文件大小: 769K
下载量: 347
相关论文文献
- [1].基于改进GWO-ELM的矿井突水水源识别算法[J]. 计算机与数字工程 2020(07)
- [2].基于GWO-ELM的逆变器开路故障诊断[J]. 电源学报 2020(01)