经验模态分解和遗传小波神经网络法用于边坡变形预测

• 作者: 任超 庞光锋 李冠成 杨兴跃 梁月吉
• 来源期刊: 测绘科学技术学报
• 学科: 地球科学
• 关键词: 边坡变形 经验模态分解 相空间重构 小波神经网络 精度评定
• 年，卷（期）: 2014,（6）
• 页码范围: 551-555
• 页数: 5页
• 分类号: P258
• 字数: 3752字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-6338.2014.06.001

摘要

从挖掘边坡变形特性出发,提出一种基于经验模态分解(EMD)和遗传小波神经网络(GA-WNN)法的新型边坡变形预测模型.该模型首先对边坡变形序列进行EMD分解,有效分离出不同尺度特征的子序列;其次基于相空间重构挖掘各子序列的特性,以避免预测模型输入维数选取的随意性;然后采用遗传算法优化小波神经网络的权值和阈值,进而对各子序列建立预测模型;最后叠加各子序列预测值得到边坡预测结果.经过了算例计算,并与SVM和GA-WNN对比分析.结果表明:该模型具有较强的非线性拟合和自适应能力;在一定程度上保证较优的局部预测值和较好的全局预测精度,均方根误差为0.68 mm;在边坡变形预测中具有一定的实用意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	任超	桂林理工大学测绘地理信息学院	67	227	9.0	12.0
3	杨兴跃	桂林理工大学测绘地理信息学院	8	29	3.0	5.0
5	梁月吉	桂林理工大学测绘地理信息学院	34	93	5.0	8.0
9	庞光锋	桂林理工大学测绘地理信息学院	11	50	4.0	7.0
17	李冠成	桂林理工大学测绘地理信息学院	1	21	1.0	1.0