基于IPSO-ELM的边坡稳定性分析

• 作者: 赵允坤 胡军 杨斌
• 来源期刊: 有色金属工程
• 学科: 工学
• 关键词: 边坡稳定性 改进的粒子群算法(IPSO) 极限学习机(ELM) 自适应权重法 预测
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 地质采矿与安全工程|Geology ,Mining and Safety Engineering
• 页码范围: 122-128
• 页数: 7页
• 分类号: TD804
• 语种: 中文
• DOI: 10.3969/j.issn.2095-1744.2022.01.018

摘要

边坡稳定性受多种复杂因素影响,传统算法很难得到高精度预测结果,为了及时准确地对边坡稳定性做出可靠性分析,提出了改进粒子群优化极限学习机(IPSO-ELM)模型并应用于边坡稳定性预测实例中.首先在粒子群算法(PSO)的基础上,为克服在寻优过程中易出现局部最优的问题,引入自适应权重法,将改进粒子群算法(IPSO)对极限学习机(ELM)的输入权值和隐层偏置进行优化,大大提高了ELM模型的泛化能力和预测精度,然后将IPSO-ELM模型、PSO-ELM模型和ELM模型的预测值与真实值对比分析.结果表明IPSO-ELM模型预测值趋近于真实值,有较高的预测精度,验证了IPSO-ELM模型在评价边坡稳定性中的可行性和有效性.