| 熵权遗传算法及极限学习机地铁隧道沉降预测 |
| |
| 引用本文： | 高彩云,崔希民,高宁. 熵权遗传算法及极限学习机地铁隧道沉降预测[J]. 测绘科学, 2016, 41(2): 71-75. DOI: 10.16251/j.cnki.1009-2307.2016.02.015 |
| |
| 作者姓名： | 高彩云 崔希民 高宁 |
| |
| 作者单位： | 中国矿业大学(北京)地球科学与测绘工程学院,北京100083;河南城建学院测绘工程学院,河南平顶山467044;河南理工大学矿山空间信息技术国家测绘地理信息局重点实验室,河南焦作454000;中国矿业大学(北京)地球科学与测绘工程学院,北京,100083;河南城建学院测绘工程学院,河南平顶山467044;河南理工大学矿山空间信息技术国家测绘地理信息局重点实验室,河南焦作454000 |
| |
| 基金项目： | 国家自然科学基金，矿山空间信息技术国家测绘地理信息局重点实验室基金 |
| |
| 摘 要： | 针对目前的地铁隧道沉降变形预测方法忽略了对沉降变形影响因素的综合协调考虑这一问题,该文将遗传算法(GA)结合极限学习机(ELM)的方法引入地铁隧道沉降变形预测。该方法借助最大信息熵理论,充分挖掘地铁隧道沉降主要影响因素与沉降量间的信息特征,并将遗传算法与极限学习机相耦合,利用遗传算法的全局搜索能力获取ELM神经网络优化的初始权值和阈值,形成熵权遗传算法-极限学习机模型,并编制相应计算程序。采用该模型对西安某地铁隧道沉降变形进行预测,并与遗传算法-极限学习机、极限学习机、传统的BP神经网络预测结果进行比较,结果表明熵权遗传算法-极限学习机模型与实测值吻合更好,预测结果更稳定。
|
| 关 键 词： | 地铁隧道 沉降预测 极限学习机 熵权 遗传算法 影响因素 |
Metro tunnel settlement prediction based on entropy weight GA-ELM model |
| |
| GAO Caiyun,CUI Ximin,GAO Ning. Metro tunnel settlement prediction based on entropy weight GA-ELM model[J]. Science of Surveying and Mapping, 2016, 41(2): 71-75. DOI: 10.16251/j.cnki.1009-2307.2016.02.015 |
| |
| Authors: | GAO Caiyun CUI Ximin GAO Ning |
| |
| Abstract: | |
| |
| Keywords: | metro tunnel settlement prediction extreme learning machine (ELM) entropy weight genetic algorithm(GA) |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
