科研之友
微信
新浪微博
Facebook
分享链接
摘要
为准确预测滑坡变形趋势，针对黄土滑坡位移变化复杂的非线性特征，提出基于遗传算法与粒子群算法优化的Elman神经网络模型(GA-PSO-Elman)。顾及Elman神经网络结构参数的随机性可能陷入局部最优解，将遗传算法(GA)较强的全局搜索能力与粒子群算法(PSO)的局部搜索能力相结合，优化预测模型结构参数的权值阈值，提高预测预报精度与收敛速度。将该模型应用于甘肃临夏黑方台滑坡变形预测，结果表明，相较于传统BP神经网络和单一Elman神经网络，新模型具有更高的精度和稳定性。进一步考虑影响滑坡的诸多因素，将湿度、降水等影响因子加入各个训练模型，GA-PSO-Elman模型的学习速度和收敛速度进一步提高，从而有效提高变形预测精度。
- 单位
