共查询到20条相似文献,搜索用时 0 毫秒
1.
由于监测环境恶劣,变形监测序列常伴有较大波动,针对灰色模型(gray model,GM)仅适用于分析指数型变形序列,且最小二乘支持向量机(least squares support vector machine,LSSVM)在进行变形预测时存在参数难以有效选取的问题,提出了一种改进的灰色最小二乘支持向量机变形预测模型(IGM-LSSVM)。将几何平均生成变换引入GM(1,1)模型,增强其输入样本的指数规律性,初步预测出变形值并计算残差;针对人工蜂群算法(artificial bee colnony,ABC)在优化LSSVM参数时易陷入局部极值的缺陷,引入Metropolis准则并为其设计了自适应降温函数,得到自适应Metropolis人工蜂群算法(adaptive metropolis artificial bee colnony,AMABC);利用AMABC算法优化的LSSVM训练GM(1,1)模型得到的预测残差值补偿GM(1,1)模型,得到最终预测值。某矿区边坡变形预测表明:AMABC算法有效克服了ABC算法易陷入局部最优解的缺点,IGM-LSSVM、GM(1,1)、ABC-GM-LSSVM等模型预测的平均相对误差分别为1.223%,9.565%、3.200%,可见,IGM-LSSVM的预测精度相对于其余2种模型优势明显,对于实现矿区边坡变形高精度预测有一定的参考价值。 相似文献
2.
3.
变形监测是保障矿山边坡安全施工和管理的重要手段,分析及预测边坡的变化趋势具有重要的理论价值和现实意义。文中以广州越堡露天矿边坡为研究对象,依据所获得的监测点的有效监测数据,运用灰色理论方法构建预测模型对其进行分析及预测,研究结果表明:模型拟合结果最大相对误差为17%,最小为0,平均相对误差为7%左右,其精度达到二级(合格),具有良好的适用性和可信度,可以为越堡露天矿边坡稳定性分析及相关领域的研究提供参考。 相似文献
4.
5.
针对矿山边坡预测模型精度低等问题,提出一种由主成分分析(PCA)、灰狼算法(GWO)和支持向量机(SVM)组合的混合模型(PCA-GWO-SVM)。首先,采用PCA对原始数据进行降维去噪;其次,通过GWO算法优化支持向量机参数;最后,通过SVM实现矿山边坡变形的预测。矿山边坡实例表明PCA-GWO-SVM模型具有更高的预测精度。 相似文献
6.
7.
8.
9.
针对传统的BP神经网络在预测露天矿山边坡位移变形时存在的局限性,构造了一种基于麻雀搜索算法(SSA)和BP神经网络相结合的边坡位移变形预测模型,先利用麻雀搜索算法对传统的BP神经网络进行权值与阈值的优化,再将麻雀搜索算法优化后的BP神经网络算法(SSA-BP)运用于露天矿山边坡位移的预测。为了验证算法的可行性,将SSA-BP预测模型与WOA-BP、BP以及Elman预测模型针对露天矿山边坡位移变形量的预测结果进行比较。实验结果表明:SSA-BP预测模型针对露天矿山边坡位移变形量的预测相比其他三种模型,其迭代速度块,寻优能力强;通过预测精度评价指标来看,SSA-BP算法的R^2、RMSE、MAPE、MAE、MSE明显优于另外三组算法。为露天矿山边坡位移变形预测提供了一种新的思路和方法。 相似文献
10.
针对现有研究方法在预测露天矿边坡稳定性时存在适用性不强和误差大的问题,基于遗传算法对BP神经网络进行改进,提出一种露天矿边坡稳定性预测模型。该模型以坡体容重、黏聚力、内摩擦角、边坡倾角、边坡高度和孔隙压力6个参数为输入变量,以安全系数为输出变量,随后利用该模型对露天矿边坡的实例进行分析,与传统BP神经网络预测模型性能进行比较。研究结果表明:GA-BP模型在进行露天矿边坡稳定性预测时效果好,具有误差小和计算精度高的优点,为准确预测露天矿边坡稳定性提供了一种新的方法。 相似文献
11.
12.
13.
由于复杂工程地质条件和环境因素的综合影响,边坡变形呈现复杂非线性演变特征。针对位移时间序列未能完全考虑环境因素对边坡变形的影响,故将影响边坡变形的有效降雨量加入监测位移时序,组成多因素位移时间序列。引入粒子群算法(PSO)对支持向量机(SVM)的模型参数寻优,结合滚动预测方法,建立了适合边坡变形预测的多因素位移时间序列PSO-SVM模型。以华光潭一级厂房后边坡表面观测位移为例进行预测分析,研究表明,新模型预测结果科学可靠,有效弥补了传统PSO-SVM后期预测泛化能力的不足,提高了模型的预测精度。新模型在边坡位移时序预测中具有一定的工程应用价值。 相似文献
14.
复合型边坡岩体变形的灰色预测 总被引:2,自引:0,他引:2
边坡变形与破坏是一个复杂的过程,其影响因素众多、且具有不确定性,一般很难用确定的函数式来预测。在丘陵地区进行人工边坡开挖,地面变形对环境的破坏非常大,从而严重地影响到周边环境安全。应用灰色预测模型对人工开挖边坡与山坡复合体的移动与变形发展趋势进行预测与分析,以便为后续开挖与环境安全服务。 相似文献
15.
实现准确变形预测是变形监测的一个重要目的。在基于多模型预测结果的基础上,进而采用求加权平均值的方法构建综合预测模型,并利用粗糙集理论确定相应预测模型在综合预测模型中的权系数,据此则可得出较为准确的预测结果。 相似文献
16.
针对目前常用的预测模型存在一定的问题,建立支持向量机预测模型,并将遗传算法与蚁群算法有效结合。用此组合算法对支持向量机模型参数优化。最终将建立的模型与单独两种算法所优化的模型进行精度对比。实例表明,组合算法所优化的预测模型具有更高的精度,具有一定的应用价值。 相似文献
17.
18.
19.
20.
深基坑变形监测与预测是深基坑设计施工中的一个重要的环节,准确地预测深基坑未来的变形,是深基坑变形监测的最终目的。针对传统常用预测方法存在一定的局限性这个问题,结合支持向量机的研究现状,提出将能够有效地解决小样本、非线性、高维数、局部极小等问题的支持向量机模型应用于深基坑变形预测的方法。具体方法是:采用粒子群算法对支持向量机的相关参数进行寻优,得到改进支持向量机预测模型,然后将其预测结果与传统的支持向量机模型、Elman动态神经网络模型预测结果进行比较,最后采用均方误差、平方和误差、平均相对误差对预测效果进行评价。实验结果表明,基于改进支持向量机预测模型用于变形预测是可行的,且能更好地反映深基坑系统的动态非线性特点,具有一定的优越性与工程应用推广价值。 相似文献