基于混合核函数PSO-LSSVM的边坡变形预测 被引量：46

1

作者 郑志成 徐卫亚 +1 位作者 徐飞 刘造保 《岩土力学》 EI CAS CSCD 北大核心 2012年第5期1421-1426,共6页

支持向量机(SVM)的核函数类型和超参数对边坡位移时序预测的精度有重要影响。鉴于局部核函数学习能力强、泛化性能弱,而全局核函数泛化性能强、学习能力弱的矛盾,通过综合两类核函数各自优点构造了基于全局多项式核和高斯核的混合核函数... 支持向量机(SVM)的核函数类型和超参数对边坡位移时序预测的精度有重要影响。鉴于局部核函数学习能力强、泛化性能弱,而全局核函数泛化性能强、学习能力弱的矛盾,通过综合两类核函数各自优点构造了基于全局多项式核和高斯核的混合核函数,并引入粒子群算法(PSO)对最小二乘支持向量机(LSSVM)超参数进行全局寻优,提出了边坡位移时序预测的混合核函数PSO-LSSVM模型。将模型应用于锦屏一级水电站左岸岩石高边坡变形预测分析,并与传统核函数支持向量机预测结果进行对比分析。结果表明,该模型较传统方法在预测精度上有了明显提高,预测结果科学可靠,在边坡位移时序预测中具有良好的实际应用价值。 展开更多

关键词 边坡 边坡变形预测 最小二乘支持向量机 粒子群优化 混合核

下载PDF 职称材料

基于自适应变异粒子群算法改进OGM(1,N)及其在排土场变形预测中的应用 被引量：5

2

作者 唐超 陈妍颖 +3 位作者 李庶林 刘胤池 胡静云 彭府华 《岩石力学与工程学报》 EI CAS CSCD 北大核心 2020年第S01期3197-3205,共9页

鉴于传统GM(1,1)模型不能考虑反映外部环境变化对系统变化趋势的影响以及GM(1,N)多变量模型在模型结构上存在不足,引入OGM(1,N)模型并针对其背景值取值存在的误差采用自适应变异粒子群算法对背景值进行优化。对排土场3个监测点(G7,G8,G9... 鉴于传统GM(1,1)模型不能考虑反映外部环境变化对系统变化趋势的影响以及GM(1,N)多变量模型在模型结构上存在不足,引入OGM(1,N)模型并针对其背景值取值存在的误差采用自适应变异粒子群算法对背景值进行优化。对排土场3个监测点(G7,G8,G9)进行灰色关联分析,将改进后的模型应用于界牌岭矿山排土场边坡变形预测工作,并与GM(1,1)模型、Verhulst模型和非线性回归模型结果作对比。排土场3个监测点的预测结果:改进的OGM(1,N)模型平均相对百分误差分别为0.16%,2.26%,10.562%;GM(1,1)模型平均相对百分误差分别为16.57%,18.07%,19.095%;Verhulst模型平均相对百分误差分别为4.52%,2.34%,29.809%;非线性回归模型平均相对百分误差分别为11.44%,8.45%,11.621%,改进的OGM(1,N)模型相较其他3种模型有较高的精度。对优化前后的OGM(1,N)模型结果进行了对比,平均相对模拟百分误差约减小到优化前的1/3。综合3个监测点的预测数据效果,改进的OGM(1,N)模型在边坡变形预测中具有较好的适用性与有效性。 展开更多

关键词 边坡工程 边坡变形预测 灰色预测 OGM(1 N) 自适应变异粒子群算法 多变量预测模型

原文传递

基于GNSS监测的SSA-SVR模型边坡变形预测

3

作者 任文辉 杨晓华 +2 位作者 冯永年 杨玲 魏静 《安全与环境工程》 CAS CSCD 北大核心 2024年第3期160-169,共10页

针对GNSS监测数据的非平稳性和其存在的噪声会影响边坡安全变形预测的问题,以吴华高速公路超深路堑边坡为例,提出了基于平滑先验分解(SPA)和奇异值分解(SVD)消噪的麻雀搜索算法(SSA)优化支持向量机回归(SVR)的边坡变形预测模型(SPA-SVD-... 针对GNSS监测数据的非平稳性和其存在的噪声会影响边坡安全变形预测的问题,以吴华高速公路超深路堑边坡为例,提出了基于平滑先验分解(SPA)和奇异值分解(SVD)消噪的麻雀搜索算法(SSA)优化支持向量机回归(SVR)的边坡变形预测模型(SPA-SVD-SSA-SVR模型),并对比分析了分解和消噪两种数据处理方式对边坡变形预测结果的影响。结果表明:该高边坡处于安全状态,整体变形较小,经SSA优化后的SVR模型(SSA-SVR模型)的预测效果较好,相较于传统SVR模型,其对监测点G1预测结果的MSE、MAE分别减小8.68%、3.82%,对监测点G2预测结果的MSE、MAE分别减小11.60%、3.26%;SPA分解和SVD消噪均可以减小GNSS监测数据的非平稳性和噪声对预测精度的影响,但单分解处理比单消噪处理的预测精度高,整合分解和消噪两种预处理的SPA-SVD-SSA-SVR模型预测效果更好,其对监测点G1预测结果的MSE、MAE分别减小31.06%、19.59%,对监测点G2预测结果的MSE、MAE分别减小28.59%、15.03%。研究结果为边坡变形监测数据的处理与边坡安全变形预测提供了新思路。 展开更多

关键词 边坡变形预测 平滑先验分解 奇异值分解 麻雀搜索算法 支持向量机回归

下载PDF 职称材料

基于小波去噪和PSO-BP神经网络模型的煤矿边坡变形预测 被引量：2

4

作者 张广强 《经纬天地》 2023年第1期4-7,共4页

以某矿区工业场地西侧边坡监测数据为例,开展了小波及粒子群优化的BP神经网络预测模型的研究。使用小波阈值去噪方法对实际观测时间序列进行去噪处理,对小波去噪前后的数据进行BP神经网络预测模型预测处理并与粒子群优化的BP神经网络预... 以某矿区工业场地西侧边坡监测数据为例,开展了小波及粒子群优化的BP神经网络预测模型的研究。使用小波阈值去噪方法对实际观测时间序列进行去噪处理,对小波去噪前后的数据进行BP神经网络预测模型预测处理并与粒子群优化的BP神经网络预测模型预测效果进行对比。实验证明:粒子群算法能优化BP神经网络模型,该组合模型预测精度可行性高。 展开更多

关键词 粒子群优化 小波分析 BP神经网络 边坡变形预测

下载PDF 职称材料

高边坡时序位移滚动预测的SVM-Elman模型 被引量：5

5

作者 刘冲 沈振中 +2 位作者 甘磊 旦增赤列 严中奇 《长江科学院院报》 CSCD 北大核心 2019年第5期62-68,共7页

基于支持向量机(SVM)和Elman神经网络,提出一种新的高边坡位移时序预测模型——SVM-Elman神经网络预测模型。在对实测数据学习的过程中,寻找最佳学习样本数和最佳测试样本数,利用经粒子群算法优化的SVM模型对边坡位移时间序列进行实时... 基于支持向量机(SVM)和Elman神经网络,提出一种新的高边坡位移时序预测模型——SVM-Elman神经网络预测模型。在对实测数据学习的过程中,寻找最佳学习样本数和最佳测试样本数,利用经粒子群算法优化的SVM模型对边坡位移时间序列进行实时滚动预测;并运用Elman神经网络改进SVM的预测结果,得到SVM-Elman模型预测值,通过比较不同隐含层数的Elman神经网络对预测结果的影响,选择最佳隐含层数的SVM-Elman模型,实现对预测结果的改进。将SVM-Elman模型应用于某混凝土面板堆石坝左岸强卸荷岩体高边坡位移预测分析中,并与传统的SVM预测结果进行比较分析。结果表明,SVM-Elman模型在预测精度上有明显提高,预测结果科学可靠,在岩体高边坡时序位移预测中具有一定的工程应用价值。 展开更多

关键词 边坡变形预测 支持向量机 ELMAN神经网络 SVM-Elman模型 粒子群优化算法 隐含层数

下载PDF 职称材料

基于EEMD-SVM模型的边坡变形预测 被引量：1

6

作者 李建新 肖钢 唐铃 《广东水利水电》 2023年第10期83-87,共5页

采用支持向量机模型对边坡变形进行预测是目前一种常用的方法,但精度有待提升。该文采用集成经验模态分解(EEMD)算法将边坡变形时间序列进行分解,基于相关系数的计算去除噪声后重构边坡变形时间序列,然后将重构后的边坡变形时间序列作为... 采用支持向量机模型对边坡变形进行预测是目前一种常用的方法,但精度有待提升。该文采用集成经验模态分解(EEMD)算法将边坡变形时间序列进行分解,基于相关系数的计算去除噪声后重构边坡变形时间序列,然后将重构后的边坡变形时间序列作为SVM模型的输入,建立EEMD-SVM模型并应用于边坡变形预测。将EEMD-SVM模型预测结果与传统支持向量机(SVM)模型、BP神经网络(BP)和基于集成经验模态分解的BP神经网络(EEMD-BP)模型预测结果进行对比,工程实例结果显示,EEMD-SVM模型的预测精度优于另外3种模型,可以满足工程需要,可为边坡变形预测提供一种可行的参考方法。 展开更多

关键词 集成经验模态分解 支持向量机 EEMD-SVM 边坡变形预测

下载PDF 职称材料

基于GJO−MLP的露天矿边坡变形预测模型

7

作者 刘光伟 郭直清 刘威 《工矿自动化》 CSCD 北大核心 2023年第9期155-166,共12页

露天矿边坡变形受地质结构、水文地质条件、采矿活动等多种因素影响,使得预测模型复杂,难以准确捕捉所有影响因素。目前,大量监测设备部署在露天矿边坡周围,用于实时记录露天矿边坡位移数据,这些数据具有高维度、时序关联性及非线性等... 露天矿边坡变形受地质结构、水文地质条件、采矿活动等多种因素影响,使得预测模型复杂,难以准确捕捉所有影响因素。目前,大量监测设备部署在露天矿边坡周围,用于实时记录露天矿边坡位移数据,这些数据具有高维度、时序关联性及非线性等特性。如果在其他条件未知而只有数据的情况下,使用传统的边坡稳定性分析方法无法有效进行边坡变形预测,而采用仅基于数据的模型对露天矿边坡位移数据进行预测对边坡稳定性的事前分析十分必要。针对上述问题,提出了一种基于金豺优化多层感知机(GJO−MLP)的露天矿边坡变形预测模型。GJO中各智能体间相互独立,可以通过并行计算加速优化MLP的训练过程;GJO能够结合MLP的非线性建模和特征提取能力,使得优化后的MLP在处理复杂问题时更具优势。为检验GJO−MLP的可行性和有效性,将GJO−MLP分别与基于蚁群算法优化的MLP(ACO−MLP)、基于引力搜索算法优化的MLP(GSA−MLP)及基于差分进化算法优化的MLP(DE−MLP)进行对比分析,在6个数据集上的仿真实验结果表明:在相同实验条件下,相较于其他3种算法,GJO−MLP表现出更好的寻优性能。将基于GJO−MLP的边坡变形预测模型应用于宝日希勒露天矿边坡变形预测和花坪子边坡变形预测中,结果表明:在相同条件下,相较于其他3种算法,基于GJO−MLP的边坡变形预测模型在对边坡变形数据进行预测时不仅表现出更好的预测求解性能,而且还具有更好的可行性和鲁棒性。 展开更多

关键词 露天矿 滑坡灾害 边坡变形预测 边坡位移 金豺优化算法 多层感知机

下载PDF 职称材料

边坡软弱层评价中全波列声波测井的理论与实验研究 被引量：4

8

作者 谢忠球 肖宏彬 +1 位作者 李珍玉 张玉池 《中南林业科技大学学报》 CAS CSCD 北大核心 2010年第8期108-111,共4页

软弱结构面对边坡岩体变形及边坡的失稳破坏起控制作用,其准确识别和预测边坡变形破坏以及设计治理等具有重要意义。以井壁地层中声波的传播特性为基础,分析了斯通利波的衰减与地层的固有衰减,以及与井壁地层的渗透性之间的关系,同时,... 软弱结构面对边坡岩体变形及边坡的失稳破坏起控制作用,其准确识别和预测边坡变形破坏以及设计治理等具有重要意义。以井壁地层中声波的传播特性为基础,分析了斯通利波的衰减与地层的固有衰减,以及与井壁地层的渗透性之间的关系,同时,对反射斯通利波的强弱与地层裂缝的宽度和充填性之间的关系进行了探讨。通过滑坡勘查应用实例,论述了声波的属性参数和特征,在划分岩层、识别裂隙和孔洞以及评估岩体力学性质中的实用性和准确性。 展开更多

关键词 土建工程 边坡软弱层 边坡变形预测 全波列测井理论 斯通利波

下载PDF 职称材料

改进的灰色模型在边坡变形预测中的应用 被引量：4

9

作者 武立军 陈志坚 +1 位作者 俞俊平 荀志国 《勘察科学技术》 2013年第5期30-35,共6页

灰色模型的预测精度很大程度上依赖于背景值的构造方法,以往的背景值构造方法主观地认为新旧数据对背景值的贡献和为1,无法真实反应新旧信息对背景值贡献的大小,而基于任意加权改进的RGM(1,1)模型又忽略了各个背景值构建时权值不同的情... 灰色模型的预测精度很大程度上依赖于背景值的构造方法,以往的背景值构造方法主观地认为新旧数据对背景值的贡献和为1,无法真实反应新旧信息对背景值贡献的大小,而基于任意加权改进的RGM(1,1)模型又忽略了各个背景值构建时权值不同的情况。针对以往模型的缺陷,该文提出一种基于改进的任意权值背景值优化方法的GAGM(1,1,p,q)模型。结合遗传算法、运用MATLAB编程语言实现了改进灰色模型的预测程序。将改进的模型应用于边坡表面变形预测,取得了较好的效果。将预测结果与传统GM(1,1)模型及任意权值改进的RGM(1,1)模型的预测结果作对比,结果表明,文中提出的改进模型具有更高的拟合和预测精度,可应用于工程实践。 展开更多

关键词 灰色模型 GAGM(1 1 p q)模型 背景值优化 遗传算法 边坡变形预测

原文传递

GM(1，1)最佳维数建模法在露天矿边坡变形预测中的应用 被引量：3

10

作者 薄志毅 张瑞新 《测绘通报》 CSCD 北大核心 2008年第12期22-24,共3页

露天矿边坡变形是一个复杂的系统,许多影响边坡变形的因素具有灰色信息性质,因此应用灰色模型对边坡变形进行预测是一种很好的研究手段。在灰色模型预测实践中,发现建模数据的维数对模型预测精度有较大影响。从变形预测精度研究入手,提... 露天矿边坡变形是一个复杂的系统,许多影响边坡变形的因素具有灰色信息性质,因此应用灰色模型对边坡变形进行预测是一种很好的研究手段。在灰色模型预测实践中,发现建模数据的维数对模型预测精度有较大影响。从变形预测精度研究入手,提出最佳维数建模法。通过实例应用证明,该法具有较高的预测精度和可信度。 展开更多

关键词 GM(1 1) 最佳维数 露天矿 边坡变形预测

下载PDF 职称材料

基于逐步回归分析法的公路边坡变形预测适用性研究 被引量：1

11

作者 韦征 戴晓栋 +1 位作者 王甘林 张磊 《现代交通技术》 2017年第4期10-12,17,共4页

基于逐步回归分析法,建立了考虑时效、降雨等因素的边坡变形预测模型。提出了拟合曲线和预测曲线的双精度判别标准,从样本区间、预测时长、数据频率3个方面开展预测方法的可靠度分析,提出基于逐步回归分析法预测公路高边坡变形的适用性... 基于逐步回归分析法,建立了考虑时效、降雨等因素的边坡变形预测模型。提出了拟合曲线和预测曲线的双精度判别标准,从样本区间、预测时长、数据频率3个方面开展预测方法的可靠度分析,提出基于逐步回归分析法预测公路高边坡变形的适用性原则,验证优化了预测方法。依托工程的应用结果表明,文章提出的预测方法和精度判别标准等具有良好的适用性,为快捷、高效地预测公路高边坡变形发展趋势提供了有效的分析方法和。 展开更多

关键词 公路边坡 边坡变形预测 逐步回归分析法

下载PDF 职称材料

小样本监测信息露天矿边坡变形预测模型对比分析 被引量：3

12

作者 吴浩 阮明浩 +3 位作者 张宏 张建华 叶海旺 董元锋 《武汉理工大学学报（交通科学与工程版）》 2014年第3期544-546,551,共4页

利用GM(1,1),BP神经网络和灰色BP神经网络组合三种模型,分别对不同样本容量的小样本监测信息进行测试,对比分析预测结果的准确性与稳定性.结果表明,边坡变形预测模型受既有监测信息的样本容量影响较大,样本容量的增加有利于边坡变形预... 利用GM(1,1),BP神经网络和灰色BP神经网络组合三种模型,分别对不同样本容量的小样本监测信息进行测试,对比分析预测结果的准确性与稳定性.结果表明,边坡变形预测模型受既有监测信息的样本容量影响较大,样本容量的增加有利于边坡变形预测模型精度的提高.在既有监测信息较少的情况下,GM(1,1)模型预测精度虽然最高,但缺乏稳定性;单一BP神经网络模型的预测精度由于样本较少,其精度较差.从预测结果的稳定性和精度两个方面综合对比来看,灰色BP神经网络组合模型更适用于小样本监测信息情况下的露天矿边坡变形趋势的预测. 展开更多

关键词 边坡变形预测模型 小样本监测信息 GM(1 1)模型 BP神经网络模型 灰色BP神经网络合模型

下载PDF 职称材料