基于新型智能算法ELM的滑坡变形位移预测

被引：15

作者：

高彩云 ^{[1
,2
]}

机构：

[1] 河南城建学院测绘与城市空间信息学院

[2] 东华理工大学江西省数字国土重点实验室

来源：

人民长江 | 2017年 / 48卷 / 07期

关键词：

ELM; 隐层神经元; 激励函数; 滑坡变形;

D O I：

10.16232/j.cnki.1001-4179.2017.07.010

中图分类号：

P642.22 [滑坡];

学科分类号：

0837 ;

摘要：

针对采用经典智能算法进行滑坡变形预测时存在学习速度慢、网络结构参数选取复杂等问题,构建了基于新型智能算法ELM(Extreme Learning Machine)的滑坡位移预测模型,采用二值区间搜索算法选定最佳隐层神经元个数和激励函数,并融入数据滚动建模思想,以期提高网络泛化能力和预测精度。以链子崖、古树屋两滑坡体为例,将ELM与经典智能算法LMBP、RBF的预测效果进行对比,算例结果表明:ELM算法具有较高的预测精度,且在网络学习速度等方面优势明显。

引用

页码：46 / 49+69 +69

页数：5

共 10 条

[1] 极限学习机在采空区自然发火预测中的应用 [J].

仲维清 ;

孙健巍 .

辽宁工程技术大学学报(自然科学版), 2016, 35 (06) :581-585

[2] 基于极限学习机的采煤机功率预测算法研究 [J].

丁华 ;

常琦 ;

杨兆建 ;

刘建成 .

煤炭学报, 2016, 41 (03) :794-800

[3] 滑坡位移预测的支持向量机模型参数选择研究 [J].

黄海峰 ;

宋琨 ;

易庆林 ;

易武 ;

张国栋 .

地下空间与工程学报, 2015, 11 (04) :1053-1059

[4]

Extreme learning machines: new trends and applications.[J].DENG ChenWei;HUANG GuangBin;XU Jia;TANG JieXiong;.Science China(Information Sciences).2015, 02

[5] 混沌序列PSO-RBF耦合模型在滑坡位移预测中的应用 [J].