WA联合ELM与OS-ELM的滑坡位移预测模型

作     者：李骅锦 许强 何雨森 魏勇 LI Huajin;XU Qiang;HE Yusen;WEI Yong

作者机构：地质灾害防治与地质环境保护国家重点实验室(成都理工大学)成都610059 爱荷华大学智能系统研究实验室美国爱荷华州爱荷华城52242 

出 版 物：《工程地质学报》 (Journal of Engineering Geology)

年 卷 期：2016年第24卷第5期

页      面：721-731页

核心收录：

学科分类：081803[工学-地质工程] 08[工学] 0818[工学-地质资源与地质工程] 

基　　金：国家重点基础研究发展计划(973)项目(2013CB733200) 国家创新研究群体科学基金(41521002)资助 

主　　题：滑坡累积位移 非线性特性 位移预测 小波函数 ELM OS-ELM 

摘      要：滑坡累积位移监测曲线往往呈现出复杂的非线性增长特性,对此建立了不少相关的预测模型,而以往的预测模型存在着许多不足。本文基于小波函数(Wavelet Analysis,WA),ELM与OS-ELM,提出一种名为WA联合ELM、OS-ELM的预测方法。首先,该方法基于小波函数,将滑坡累积位移分解成受内部地质条件影响的趋势项和受外部影响因子影响的周期项;然后,基于ELM与OS-ELM分别对趋势项和周期项进行预测;最后将趋势项和周期项的预测值叠加得到累积位移的预测值。结果表明,小波函数得到的趋势项展现出良好的趋势性,而周期项也展现出良好的周期性;以Sigmoid方程为核函数,隐含层神经元个数为33的ELM模型能准确高效对趋势项进行预测,而以RBF方程为核函数,隐含层神经元个数为100的OS-ELM模型能准确高效对周期项进行预测;累积位移预测数据的RMSE分别为0.1423和0.1315,预测结果相对较好,能够在滑坡位移预测领域发挥一定的作用。