本文關(guān)鍵詞：WA聯(lián)合ELM與OS-ELM的滑坡位移預(yù)測(cè)模型

  更多相關(guān)文章： 滑坡累積位移 非線性特性 位移預(yù)測(cè) 小波函數(shù) ELM OS-ELM

【摘要】：滑坡累積位移監(jiān)測(cè)曲線往往呈現(xiàn)出復(fù)雜的非線性增長(zhǎng)特性,對(duì)此建立了不少相關(guān)的預(yù)測(cè)模型,而以往的預(yù)測(cè)模型存在著許多不足。本文基于小波函數(shù)(Wavelet Analysis,WA),ELM與OS-ELM,提出一種名為WA聯(lián)合ELM、OS-ELM的預(yù)測(cè)方法。首先,該方法基于小波函數(shù),將滑坡累積位移分解成受內(nèi)部地質(zhì)條件影響的趨勢(shì)項(xiàng)和受外部影響因子影響的周期項(xiàng);然后,基于ELM與OS-ELM分別對(duì)趨勢(shì)項(xiàng)和周期項(xiàng)進(jìn)行預(yù)測(cè);最后將趨勢(shì)項(xiàng)和周期項(xiàng)的預(yù)測(cè)值疊加得到累積位移的預(yù)測(cè)值。結(jié)果表明,小波函數(shù)得到的趨勢(shì)項(xiàng)展現(xiàn)出良好的趨勢(shì)性,而周期項(xiàng)也展現(xiàn)出良好的周期性;以Sigmoid方程為核函數(shù),隱含層神經(jīng)元個(gè)數(shù)為33的ELM模型能準(zhǔn)確高效對(duì)趨勢(shì)項(xiàng)進(jìn)行預(yù)測(cè),而以RBF方程為核函數(shù),隱含層神經(jīng)元個(gè)數(shù)為100的OS-ELM模型能準(zhǔn)確高效對(duì)周期項(xiàng)進(jìn)行預(yù)測(cè);累積位移預(yù)測(cè)數(shù)據(jù)的RMSE分別為0.1423和0.1315,預(yù)測(cè)結(jié)果相對(duì)較好,能夠在滑坡位移預(yù)測(cè)領(lǐng)域發(fā)揮一定的作用。
【作者單位】： 地質(zhì)災(zāi)害防治與地質(zhì)環(huán)境保護(hù)國(guó)家重點(diǎn)實(shí)驗(yàn)室(成都理工大學(xué));愛荷華大學(xué)智能系統(tǒng)研究實(shí)驗(yàn)室;
【關(guān)鍵詞】： 滑坡累積位移 非線性特性 位移預(yù)測(cè) 小波函數(shù) ELM OS-ELM
【基金】：國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃(973)項(xiàng)目(2013CB733200) 國(guó)家創(chuàng)新研究群體科學(xué)基金(41521002)資助
【分類號(hào)】：P642.22
【正文快照】： (2愛荷華大學(xué)智能系統(tǒng)研究實(shí)驗(yàn)室,美國(guó)愛荷華州愛荷華城52242)0引言滑坡是一種常見且危害較大的地質(zhì)災(zāi)害,現(xiàn)在已經(jīng)成為一類關(guān)注度極高的環(huán)境地質(zhì)問題�；碌陌l(fā)生往往造成公路、供水供電設(shè)施、民居、農(nóng)渠農(nóng)田與經(jīng)濟(jì)林被毀,招致大面積交通堵塞、停水停電,居民家園被毀,甚至多人，

本文編號(hào)：1062804