基于粒子群优化的WA-SVM模型在滑坡位移预测中的应用

作者：杨虎; 吴北平; 陈美华; 李前云

来源：安全与环境工程, 2014, 21(04): 13-18.

DOI：10.13578/j.cnki.issn.1671-1556.2014.04.008

• 滑坡
• 位移预测
• 混沌
• 粒子群优化
• 小波分析
• 支持向量机

针对滑坡位移时间序列含大量噪声、具有明显的非线性等特征,本文提出了一种基于粒子群优化(PSO)的小波分析(WA)-支持向量机(SVM)滑坡位移预测模型(即WA-SVM模型)。该模型在混沌分析的基础上,首先用WA将滑坡位移序列分解成不同频率的分量,然后采用PSO算法优选SVM模型参数,并利用SVM模型预测各分量值,最后将各分量预测值组合得到最终预测值。结合滑坡位移序列实例,将基于粒子群优化的WA-SVM模型的预测结果与WA-BP模型、单独SVM模型进行对比,结果表明该滑坡位移序列存在混沌特性,基于粒子群优化的WA-SVM模型克服了噪声的干扰和参数优选的问题,具有较高的预测精度和预测效率,为滑坡位移的预测提供了一种新的方法。

• 单位
  海南水文地质工程地质勘察院