基于RS-MIV-ELM模型的基坑水平位移影响因素分析和预测

作者：钟国强; 王浩^*; 张国华; 覃卫民; 王成汤; 熊俊峰

来源：上海交通大学学报, 2018, 52(11): 1508-1515.

DOI：10.16183/j.cnki.jsjtu.2018.11.013

• 基坑
• 水平位移预测
• 极限学习机
• 属性约简
• 影响因素筛选

为了预测基坑的测斜最大水平位移及深度,提出了基于粗糙集(RS)属性约简、平均影响值(MIV)和极限学习机(ELM)的组合模型RS-MIV-ELM.在系统分析、量化变形影响因素的基础上,利用RS属性约简算法和基于ELM的MIV算法(ELM-MIV)分别去除影响因素集中的冗余因素和相关性极小的因素,以简化模型输入变量;采用简化的影响因素集训练ELM模型,并用ELM模型对其他测点位移进行预测.验证结果表明,RS-MIV-ELM模型的训练速度、预测精度和泛化能力均比全因素ELM模型和基于最简集的BP神经网络模型RS-MIV-BP具有较大的提高,其均方根误差和平均相对误差仅为全因素ELM模型和RS-MIV-BP模型的1/22/3.

• 单位
  岩土力学与工程国家重点实验室; 中国科学院大学; 中国科学院武汉岩土力学研究所