改进蝙蝠算法优化极限学习机的大坝变形预测模型分析

摘要：

针对大坝变形监测数据中存在的非线性关系强和传统大坝预测模型精度不高等问题,本文利用改进蝙蝠算法选取最优的参数作为极限学习机的连接权值和阈值,并提出了一种基于改进蝙蝠算法(IBA)优化极限学习机(ELM)的大坝变形预测模型(IBA-ELM).将IBA-ELM模型应用于工程实例,通过对某地水库大坝监测数据预测分析,验证IBA-ELM模型、BA-ELM和GA-ELM模型预测结果并进行精度评价,3种模型的预测值与实测值平均绝对误差分别为1.1783、0.4598、0.3356 mm,IBA-ELM模型的预测精度高于另外2种模型,表明IBA-ELM模型能有效提高大坝变形预测能力.

关键词：大坝变形;极限学习机;蝙蝠算法;遗传算法;变异因子

分类号：P258(专业测绘)

资助基金：江西省教育厅科技项目;国家大坝中心开放基金项目

在线出版日期：2021-10-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：68-73