基于QPSO-LSSVM的边坡变形预测

滑坡变形受外界影响因素作用的机理十分复杂,难以采用简单方法对其进行预测,因此建立快速准确的滑坡预测模型十分重要。采用比一般支持向量机(SVM)预测效果更好且计算速度更快的最小二乘支持向量机(LSSVM)方法,选用RBF核函数对边坡位移时序数据进行训练和预测,并引入量子粒子群算法(QPSO)对LSSVM模型参数γ和σ进行全局寻优,避免了人为选择参数的盲目性,提高了模型的预测精度。将优化模型应用于新滩滑坡和卧龙寺新滑坡的变形预测,并与传统的LSSVM、PSO-LSSVM模型进行预测精度及收敛性对比分析。结果表明,QPSO-LSSVM模型较传统方法在预测精度上有了明显提高,且收敛速度明显加快,说明QPSO-LSSVM模型在边坡位移时序预测中具有良好的应用价值。

Forecasting of Slope Displacement Based on QPSO-LSSVM Method