基于粒子群优化的WA-SVM模型在滑坡位移预测中的应用

• 作者: 吴北平 李前云 杨虎 陈美华
• 来源期刊: 安全与环境工程
• 学科: 地球科学
• 关键词: 滑坡 位移预测 混沌 粒子群优化 小波分析 支持向量机
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 灾害及其防治
• 页码范围: 13-18
• 页数: 6页
• 分类号: X43|P642.22
• 字数: 4538字
• 语种: 中文

摘要

针对滑坡位移时间序列含大量噪声、具有明显的非线性等特征,本文提出了一种基于粒子群优化(PSO)的小波分析(WA)-支持向量机(SVM)滑坡位移预测模型(即WA-SVM模型).该模型在混沌分析的基础上,首先用WA将滑坡位移序列分解成不同频率的分量,然后采用PSO算法优选SVM模型参数,并利用SVM模型预测各分量值,最后将各分量预测值组合得到最终预测值.结合滑坡位移序列实例,将基于粒子群优化的WA-SVM模型的预测结果与WA-BP模型、单独SVM模型进行对比,结果表明该滑坡位移序列存在混沌特性,基于粒子群优化的WA-SVM模型克服了噪声的干扰和参数优选的问题,具有较高的预测精度和预测效率,为滑坡位移的预测提供了一种新的方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴北平	中国地质大学信息工程学院	28	270	10.0	15.0
2	杨虎		1	7	1.0	1.0
3	陈美华		2	7	1.0	2.0