改进哈里斯鹰优化算法与BP神经网络组合的滑坡位移高精度预测模型

开展滑坡位移高精度预测研究对于滑坡灾害的防灾预警具有重要意义。针对哈里斯鹰优化算法(HHO)搜索精度低且会陷入局部最优的问题，对其进行改进并进一步与BP神经网络组合，同时有效兼顾滑坡外部影响因子，发展了一种改进哈里斯鹰优化算法(IHHO)与BP神经网络组合(IHHO-BP)的滑坡位移高精度预测模型。结合我国典型黄土滑坡——甘肃黑方台党川滑坡HF08、HF05和HF09等3个监测点的北斗/GNSS实测数据，验证了IHHO-BP模型在3个实测数据集中的位移预测精度均优于单一BP神经网络模型，以及哈里斯鹰优化算法、麻雀搜索算法(SSA)、粒子群算法(PSO)、遗传算法(GA)与BP神经网络组合的预测模型。结果表明：引入Levy变异、局部增强和随机化Halton序列种群初始化策略的改进哈里斯鹰优化算法，可有效解决哈里斯鹰优化算法搜索精度低且会陷入局部最优的问题；IHHO-BP模型具有更好的泛化能力，可有效提升滑坡位移的预测精度，该组合预测模型具有更好的推广应用价值。