基于新型智能算法ELM的滑坡变形位移预测

发布时间：2018-02-04 13:28

本文关键词： ELM 隐层神经元激励函数滑坡变形　出处：《人民长江》2017年07期 　论文类型：期刊论文

【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。
[Abstract]:In order to solve the problems of slow learning speed and complex selection of network parameters in landslide deformation prediction using classical intelligent algorithm. A landslide displacement prediction model based on a new intelligent algorithm, ELM(Extreme Learning Machine, is constructed. The binary interval search algorithm is used to select the optimal number of hidden layer neurons and the excitation function, and to incorporate the idea of data rolling modeling to improve the generalization ability and prediction accuracy of the network. The prediction results of ELM and classical intelligent algorithm LMBPU RBF are compared. The results show that the ELM algorithm has higher prediction accuracy and has obvious advantages in network learning speed and so on.
【作者单位】：河南城建学院测绘与城市空间信息学院;东华理工大学江西省数字国土重点实验室;
【基金】：国家自然科学基金项目(51474217) 江西省数字国土重点实验室开放研究基金项目(DLLJ201508) 矿山空间信息技术国家测绘地理信息局重点实验室基金项目(KLM201306) 河南省高等学校重点科研基金项目(16A420001)
【分类号】：P642.22
【正文快照】： 滑坡是一种具有严重危害的地质现象,具有全球分布广泛、突发性强、发生频率高、危害性大等特点,它的发生不仅给人类的生命、财产安全带来严重威胁,同时给资源、生态、环境等各方面带来了巨大破坏[1]。近年来,随着以GPS为核心手段的滑坡专业监测工程广泛实施,开展位移预测已成

【参考文献】