基于误差修正EOS-ELM的滑坡位移预测

• 作者: 姚为 廉城 曾志刚 苏义鑫
• 来源期刊: 华中科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 滑坡位移预测 集成学习 超限学习机 误差修正 时间序列预测
• 年，卷（期）: 2017,（9）
• 所属期刊栏目: 信息科学
• 页码范围: 52-57
• 页数: 6页
• 分类号: TV698.21
• 语种: 中文
• DOI: 10.13245/j.hust.170910

摘要

提出了一种基于误差修正在线贯序超限学习机集成(EOS-ELM)的滑坡位移预测模型.预测过程中对滑坡位移时间序列进行了趋势项和周期项分解,分别考虑了不同的影响因子对滑坡趋势项位移和周期项位移的影响.利用在线贯序超限学习机(OS-ELM)算法分别对趋势项位移和周期项位移建模预测.采用集成预测的思想提高OS-ELM模型的泛化能力,同时为了进一步提高预测精度,提出了一种在线误差修正预测方法.该方法通过对误差序列进行建模预测,修正最终的预测结果.以三峡库区白水河滑坡为例,实验验证了提出方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	苏义鑫	武汉理工大学自动化学院	92	737	14.0	23.0
2	曾志刚	华中科技大学自动化学院	13	38	4.0	6.0
3	姚为	中南民族大学计算机科学学院	8	29	3.0	5.0
4	廉城	武汉理工大学自动化学院	5	11	2.0	3.0