基于混沌遗传算法优化的LS-SVM边坡位移预测

发布时间：2021-02-27 21:34

　　利用边坡监测位移的时间序列来预测边坡未来变形,能有效评价边坡的稳定性。以边坡位移时间序列为基础,采用最小二乘支持向量机（LS-SVM）建立位移预测模型,并考虑到最小二乘支持向量机的参数选择会对建模结果产生较大影响,提出采用变尺度混沌遗传优化算法对LSSVM建模过程中的参数进行优化。该算法主要的思想是采用混沌变量种群映射到LS-SVM参数取值区间,对经过一次遗传操作的群体进行混沌搜索寻优,引导种群快速进化。最后将该模型应用于实际边坡工程位移预测中,并与常规遗传算法参数优化进行比较,结果表明,该方法的收敛速度更快,预测精度更高,具有较好的适用性。 

【文章来源】：湖南水利水电. 2020,(05)

【文章页数】：4 页

【文章目录】：
引言
1 最小二乘支持向量机
2 变尺度混沌遗传算法的参数优化
3 工程应用
4 结论


【参考文献】：
期刊论文
[1]基于混合核函数PSO-LSSVM的边坡变形预测[J]. 郑志成,徐卫亚,徐飞,刘造保.  岩土力学. 2012(05)
[2]基于时间序列分析的滑坡位移预测模型研究[J]. 徐峰,汪洋,杜娟,叶疆.  岩石力学与工程学报. 2011(04)
[3]滑坡位移的多模态支持向量机模型预测[J]. 林大超,安凤平,郭章林,张立宁.  岩土力学. 2011(S1)
[4]基于遗传混沌算法的LSSVM参数优化及应用[J]. 黎兴宝,潘丰.  计算机与应用化学. 2010(10)
[5]基于混沌优化的LS-SVM非线性预测控制方法[J]. 杨红,罗飞,许玉格,梁筱斌.  计算机工程与应用. 2010(05)
[6]基于小波变换和GALSSVM的边坡位移预测[J]. 马文涛.  岩土力学. 2009(S2)
[7]基于蚁群优化最小二乘支持向量机模型的边坡稳定性分析[J]. 徐飞,徐卫亚,王珂.  工程地质学报. 2009(02)
[8]位移时序预测的APSO-WLSSVM模型及应用研究[J]. 徐卫亚,徐飞,刘大文.  岩土工程学报. 2009(03)
[9]加权多点灰色模型在高边坡变形预测中的应用[J]. 何习平,华锡生,何秀凤.  岩土力学. 2007(06)
[10]灰色-神经网络模型在滑坡变形预测中的应用[J]. 吴益平,滕伟福,李亚伟.  岩石力学与工程学报. 2007(03)



本文编号：3054829