基于DE-MELM的土质边坡稳定性预测方法

发布时间：2021-05-17 22:35

　　为防止滑坡,避免发生事故,将差分进化（DE）算法与改进的极限学习机（ELM）有机组合,提出了一种基于DE-MELM的土质边坡稳定性预测方法。该方法首先在M估计基础上利用加权最小二乘方法计算ELM输出权值,以减少数据粗差对ELM预测的干扰;然后采用DE算法优化该ELM隐含层输入权值和偏差,以降低随机选取参数对预测性能的影响;最后通过所建立的DE-MELM土质边坡稳定性预测模型进行实例仿真验证。仿真验证结果表明:较之于标准ELM方法和基于M估计的ELM方法,所提出的DE-MELM方法仅经过15次迭代即可取得较为理想的预测精度,并对数据粗差具有较强的抗干扰能力,从而验证了其可行性和有效性。 

【文章来源】：安全与环境工程. 2020,27(04)北大核心

【文章页数】：7 页

【文章目录】：
1 改进的极限学习机
    1. 1 标准极限学习机
    1.2 MELM算法
2 差分进化(DE)算法
    2. 1 变异操作
    2. 2 交叉操作
    2. 3 选择操作
3 基于DE-MELM的土质边坡稳定性预测方法
4 实例验证
    4. 1 样本构建
    4. 2 参数分析
    4. 3 抗粗差性验证
5 结论与建议



本文编号：3192575