基于EEMD-HW-PSO-ELM耦合模型的排土场边坡位移预测模型

摘要：

为了准确预测小样本、非线性特点的排土场边坡位移,提出了一种基于经验模态分解法、三次指数平滑法和粒子群优化极限学习机的EEMD-HW-PSO-ELM边坡位移组合预测模型.以伊敏露天矿排土场GPS位移监测数据为例,验证该模型的有效性.研究结果表明:EEMD模型分解后的边坡位移时间序列包括4个IMF分量和1个余量,将分解后的数据重构为趋势项和波动项,物理意义明确.分别选择三次指数平滑法和粒子群优化极限学习机预测趋势项和波动项位移,将分项预测结果的等权叠加值作为最终预测结果,预测值的平均相对误差为0.38％,均方根误差为1.15.选择了BP模型和Elman模型进行对比预测,结果表明组合预测模型的预测效果较好,能够为边坡安全管理提供理论依据.

关键词：排土场、边坡位移、耦合模型、集成经验模态分解、三次指数平滑法、粒子群优化极限学习机

所属期刊栏目：30

分类号：TP18(自动化基础理论)

资助基金：内蒙古高校基金项目;国家级大学生创新创业训练计划项目

在线出版日期：2022-11-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：594-602