基于混沌优化极限学习机的库岸边坡变形预测

摘要：

为提高库区岸坡变形的非线性预测精度,提出利用极限学习机构建库区岸坡的非线性预测模型.首先,利用逐步试算法优化极限学习机的激励函数和隐层神经元数;其次,采用Rosenstein算法评价边坡变形序列的混沌特性,利用空间重构来实现极限学习机的混沌优化,进而构建混沌优化ELM模型.分析表明,不同实例的最优网络参数具有差异,通过逐步试算法能很好地确定最优参数;库岸边坡的变形序列均具有混沌特性,通过混沌理论的空间重构优化,能有效提高预测精度,且预测结果较传统神经网络具有较大的优越性.

关键词：库岸边坡、变形预测、极限学习机、逐步试算法、混沌理论

所属期刊栏目：44

分类号：TV698.1(水利枢纽、水工建筑物)

在线出版日期：2019-01-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：39-42,104