智能优化LSSVM算法的混沌时间序列边坡变形预测模型

摘要：

边坡变形序列存在一定混沌特征,本文将混沌分析方法应用到边坡变形预测中.为解决标准LSSVM模型中惩罚参数和核函数参数因任意给定或经验给定带来的非最优问题,将遗传算法和粒子群算法引入LSSVM模型,根据变形序列建立GA-LSSVM和PSO-LSSVM预测模型,与标准LSSVM混沌预测模型和基于神经网络的混沌预测模型进行比较.结果表明,GA-LSSVM和PSO-LSSVM模型预测中误差分别为0.73 mm和0.77 mm,LSSVM,BP,RBF三种模型中误差分别为0.90 mm,0.80 mm和0.75 mm;因此,本文提出的预测模型用于边坡变形预测比其他几种模型具有更高的精度.

关键词：混沌时间序列、变形预测、支持向量机、遗传算法、粒子群算法

分类号：P258(专业测绘)

资助基金：大学生创新训练计划——混沌时间序列在滑坡变形预测中的应用201205XCX175

在线出版日期：2015-04-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：9-11,17