文献类型：期刊文章

作　　者：陈茸[1] 韩宝安[2] 韩宝华[3] 甘旭升[3]

CHEN Rong;HAN Baoan;HAN Baohua;GAN Xusheng(Department of Architectural Engineering,Sichuan Vocational and Technical Collegeof Communications,Chengdu 611130,China;Department of Information Engineering,Sichuan Vocational and Technical College of Communications,Chengdu 611130,China;Air Traffic Control and Navigation College,Air Force Engineering University,Xi'an 710051,China)

机构地区：[1]四川交通职业技术学院建筑工程系,四川成都611130 [2]四川交通职业技术学院信息工程系,四川成都611130 [3]空军工程大学空管领航学院,陕西西安710051

出　　处：《安全与环境工程》

基　　金：国家自然科学基金项目(61601497)。

年　　份：2020

卷　　号：27

期　　号：4

起止页码：87-93

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、JST、核心刊

摘　　要：为防止滑坡,避免发生事故,将差分进化(DE)算法与改进的极限学习机(ELM)有机组合,提出了一种基于DE-MELM的土质边坡稳定性预测方法。该方法首先在M估计基础上利用加权最小二乘方法计算ELM输出权值,以减少数据粗差对ELM预测的干扰;然后采用DE算法优化该ELM隐含层输入权值和偏差,以降低随机选取参数对预测性能的影响;最后通过所建立的DE-MELM土质边坡稳定性预测模型进行实例仿真验证。仿真验证结果表明:较之于标准ELM方法和基于M估计的ELM方法,所提出的DE-MELM方法仅经过15次迭代即可取得较为理想的预测精度,并对数据粗差具有较强的抗干扰能力,从而验证了其可行性和有效性。

关 键 词：土质边坡 稳定性预测方法  极限学习机 差分进化算法 粗差

分 类 号：X4] TP181]