本文關(guān)鍵詞： ELM 隱層神經(jīng)元 激勵函數(shù) 滑坡變形　出處：《人民長江》2017年07期 　論文類型：期刊論文

【摘要】：針對采用經(jīng)典智能算法進行滑坡變形預測時存在學習速度慢、網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)選取復雜等問題,構(gòu)建了基于新型智能算法ELM(Extreme Learning Machine)的滑坡位移預測模型,采用二值區(qū)間搜索算法選定最佳隱層神經(jīng)元個數(shù)和激勵函數(shù),并融入數(shù)據(jù)滾動建模思想,以期提高網(wǎng)絡(luò)泛化能力和預測精度。以鏈子崖、古樹屋兩滑坡體為例,將ELM與經(jīng)典智能算法LMBP、RBF的預測效果進行對比,算例結(jié)果表明:ELM算法具有較高的預測精度,且在網(wǎng)絡(luò)學習速度等方面優(yōu)勢明顯。
[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.
【作者單位】： 河南城建學院測繪與城市空間信息學院;東華理工大學江西省數(shù)字國土重點實驗室;
【基金】：國家自然科學基金項目(51474217) 江西省數(shù)字國土重點實驗室開放研究基金項目(DLLJ201508) 礦山空間信息技術(shù)國家測繪地理信息局重點實驗室基金項目(KLM201306) 河南省高等學校重點科研基金項目(16A420001)
【分類號】：P642.22
【正文快照】： 滑坡是一種具有嚴重危害的地質(zhì)現(xiàn)象,具有全球分布廣泛、突發(fā)性強、發(fā)生頻率高、危害性大等特點,它的發(fā)生不僅給人類的生命、財產(chǎn)安全帶來嚴重威脅,同時給資源、生態(tài)、環(huán)境等各方面帶來了巨大破壞[1]。近年來,隨著以GPS為核心手段的滑坡專業(yè)監(jiān)測工程廣泛實施,開展位移預測已成

【參考文獻】

相關(guān)期刊論文 前8條

1 仲維清;孫健巍;;極限學習機在采空區(qū)自然發(fā)火預測中的應用[J];遼寧工程技術(shù)大學學報(自然科學版);2016年06期

2 丁華;常琦;楊兆建;劉建成;;基于極限學習機的采煤機功率預測算法研究[J];煤炭學報;2016年03期

3 黃海峰;宋琨;易慶林;易武;張國棟;;滑坡位移預測的支持向量機模型參數(shù)選擇研究[J];地下空間與工程學報;2015年04期

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

5 楊虎;吳北平;汪利;;混沌序列PSO-RBF耦合模型在滑坡位移預測中的應用[J];科學技術(shù)與工程;2013年30期

6 高彩云;高寧;;基于時序AR(p)-RBF神經(jīng)網(wǎng)絡(luò)的變形建模與預測[J];測繪科學;2013年06期

7 李德營;殷坤龍;;基于影響因子的GM(1,1)-BP模型在八字門滑坡變形預測中的應用[J];長江科學院院報;2013年02期

8 曹洋兵;晏鄂川;謝良甫;;考慮環(huán)境變量作用的滑坡變形動態(tài)灰色-進化神經(jīng)網(wǎng)絡(luò)預測研究[J];巖土力學;2012年03期

相關(guān)博士學位論文 前1條

1 高彩云;基于智能算法的滑坡位移預測與危險性評價研究[D];中國礦業(yè)大學(北京);2016年

【共引文獻】

相關(guān)期刊論文 前10條

1 王之瓊;吳承f，

本文編號：1490320