基于随机权重法改进PSO-ELM的露天矿边坡稳定性分析

TD854.6; 为提高极限学习机(ELM)模型在弓长岭露天矿边坡稳定性预测中的精度,有效解决ELM模型在训练过程中随机产生的连接权值和隐含层偏置而导致模型稳定性差的问题,引入基于随机权重法改进的粒子群算法(IPSO)进行优化,提出了改进粒子群算法优化极限学习机(IPSO-ELM)模型,将该模型应用到弓长岭露天矿边坡监测的数据中,把预测结果与ELM模型和PSO-ELM模型的预测值进行对比分析.结果表明:IPSO-ELM模型预测值接近于实测值,预测精度高、预测速度快、模型构建合理,在露天矿边坡预测中具有较高的可行性,可作为露天矿边坡预测的一种参考方法....

Full description

Saved in:
Bibliographic Details
Published in有色金属工程 Vol. 12; no. 5; pp. 128 - 134
Main Authors 杨勇, 张忠政, 胡军, 赵允坤
Format Journal Article
LanguageChinese
Published 鞍钢集团矿业弓长岭有限公司露采分公司,辽宁辽阳111000%辽宁科技大学土木工程学院,辽宁鞍山114051 2022
Subjects
随机权重法
边坡
露天矿
改进的粒子群算法(IPSO)
极限学习机(ELM)
Online AccessGet full text
ISSN2095-1744
DOI10.3969/j.issn.2095-1744.2022.05.016

Cover

More Information
Summary:TD854.6; 为提高极限学习机(ELM)模型在弓长岭露天矿边坡稳定性预测中的精度,有效解决ELM模型在训练过程中随机产生的连接权值和隐含层偏置而导致模型稳定性差的问题,引入基于随机权重法改进的粒子群算法(IPSO)进行优化,提出了改进粒子群算法优化极限学习机(IPSO-ELM)模型,将该模型应用到弓长岭露天矿边坡监测的数据中,把预测结果与ELM模型和PSO-ELM模型的预测值进行对比分析.结果表明:IPSO-ELM模型预测值接近于实测值,预测精度高、预测速度快、模型构建合理,在露天矿边坡预测中具有较高的可行性,可作为露天矿边坡预测的一种参考方法.
ISSN:2095-1744
DOI:10.3969/j.issn.2095-1744.2022.05.016