文献类型：期刊文章

作　　者：高彩云[1,2]

机构地区：[1]河南城建学院测绘与城市空间信息学院,河南平顶山467036 [2]东华理工大学江西省数字国土重点实验室,江西南昌330013

出　　处：《人民长江》

基　　金：国家自然科学基金项目(51474217);江西省数字国土重点实验室开放研究基金项目(DLLJ201508);矿山空间信息技术国家测绘地理信息局重点实验室基金项目(KLM201306);河南省高等学校重点科研基金项目(16A420001)

年　　份：2017

卷　　号：48

期　　号：7

起止页码：46-49

语　　种：中文

收录情况：BDHX、BDHX2014、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对采用经典智能算法进行滑坡变形预测时存在学习速度慢、网络结构参数选取复杂等问题,构建了基于新型智能算法ELM(Extreme Learning Machine)的滑坡位移预测模型,采用二值区间搜索算法选定最佳隐层神经元个数和激励函数,并融入数据滚动建模思想,以期提高网络泛化能力和预测精度。以链子崖、古树屋两滑坡体为例,将ELM与经典智能算法LMBP、RBF的预测效果进行对比,算例结果表明:ELM算法具有较高的预测精度,且在网络学习速度等方面优势明显。

关 键 词：ELM 隐层神经元 激励函数 滑坡变形

分 类 号：P642]