经验模态分解和遗传小波神经网络法用于边坡变形预测 |
| |
引用本文: | 任超,梁月吉,庞光锋,杨兴跃,李冠成.经验模态分解和遗传小波神经网络法用于边坡变形预测[J].测绘学院学报,2014(6). |
| |
作者姓名: | 任超 梁月吉 庞光锋 杨兴跃 李冠成 |
| |
作者单位: | 桂林理工大学测绘地理信息学院;广西空间信息与测绘重点实验室; |
| |
基金项目: | 国家自然科学基金项目(41461089);广西自然科学基金项目(2014GXNSFAA118288);广西“八桂学者”岗位专项经费资助项目;广西空间信息与测绘重点实验室课题(桂科能130511402;130511407) |
| |
摘 要: | 从挖掘边坡变形特性出发,提出一种基于经验模态分解(EMD)和遗传小波神经网络(GA-WNN)法的新型边坡变形预测模型。该模型首先对边坡变形序列进行EMD分解,有效分离出不同尺度特征的子序列;其次基于相空间重构挖掘各子序列的特性,以避免预测模型输入维数选取的随意性;然后采用遗传算法优化小波神经网络的权值和阈值,进而对各子序列建立预测模型;最后叠加各子序列预测值得到边坡预测结果。经过了算例计算,并与SVM和GA-WNN对比分析。结果表明:该模型具有较强的非线性拟合和自适应能力;在一定程度上保证较优的局部预测值和较好的全局预测精度,均方根误差为0.68 mm;在边坡变形预测中具有一定的实用意义。
|
关 键 词: | 边坡变形 经验模态分解 相空间重构 小波神经网络 精度评定 |
本文献已被 CNKI 等数据库收录! |
|