基于主成分分析和PSO-ELM算法的排土场稳定性预测模型

摘要：

针对排土场边坡稳定性分析,提出了一种利用主成分分析法降低数据冗余性、粒子群算法优化极限学习机权值阈值的PCA-PSO-ELM排土场边坡稳定性预测模型.确定了土壤黏聚力、内摩擦角、排土场斜角、地基承载力、地震烈度、降雨和降雪条件、排土工艺以及乱采乱挖状况8个排土场稳定性预测指标,针对100组相应排土场数据,采用训练时间、RMSE值和决定系数R2来评价和对比PCA-PSO-ELM模型与BP神经网络模型、ELM模型和PSO-ELM模型预测结果的有效性.研究结果表明:利用经PCA降维处理过的排土场稳定性样本数据作为输入变量去训练和测试PSO-ELM网络模型,预测值与真实值非常接近,其预测精度和效率不仅高于ELM算法,而且远远优于传统BP神经网络算法.经过PCA法优化的PSO-ELM模型与未经PCA处理过的PSO-ELM模型相比,前者在效率相差甚微的基础上大幅缩短了计算时间,证明了该方法具有一定的实用价值.

关键词：排土场安全;稳定性评价;极限学习机;主成分分析;人工神经网络;粒子群算法

所属期刊栏目：29

分类号：X43(自然灾害及其防治)

资助基金：国家自然科学基金项目"高寒冻融区露天矿岩质边坡裂隙网络扩展行为多尺度时空演化机制";"十三五"国家重点研发计划课题"硼镁铁矿资源清洁高效利用与固废源头减量关键技术及示范";校级自主探索基金项目"高原寒区排土场基底软层冻融特性及边坡稳定性分析"

在线出版日期：2021-12-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：658-668