混沌序列WA-ELM耦合模型在滑坡位移预测中的应用
针对滑坡位移序列的混沌特性和传统时间序列预测模型的不足,提出了一种基于混沌时间序列的小波分解-极限学习机(WA-ELM)滑坡位移预测模型.该模型以滑坡位移序列混沌特性分析为基础,应用小波分析将位移序列分解为具有不同频率特征的分量,对各特征分量分别进行相空间重构并应用极限学习机进行预测,最后将各特征分量预测值叠加,得到原始位移序列的预测值.以三峡库区八字门滑坡为例,并与小波分析-支持向量机(WA-SVM)以及单独ELM模型进行对比研究.结果表明,基于混沌时间序列的WA-ELM模型预测精度较高且具有较好的通用性与稳定性,是一种有效的滑坡位移预测方法.
极限学习机、混沌时间序列、小波分析、相空间重构、滑坡位移
36
TU457(土力学、地基基础工程)
国家自然科学基金No.41240023,No.41302230;中国地质调查局项目No.121201122013.
2015-11-05(万方平台首次上网日期,不代表论文的发表时间)
2674-2680