应用混合核PSO-KELM模型预测边坡位移
Architecture Technology(2020)
Abstract
针对边坡位移预报的复杂性,提出一种预测边坡位移的混合核PSO-KELM模型:将极限学习机(ELM)方法用于对边坡位移时序预测的研究,按多核学习的思想,构造由径向基核函数和多项式核函数经加权而成的混合核函数,对新构成的混合核函数,综合了径向基核函数和多项式核函数的优点,并通过粒子群算法(PSO)对模型的参数进行优选,避免了人工操作的繁琐性.工程应用表明,在单步滚动预报时混合核PSO-KELM模型所得结果远优于标准SVM模型,较混合核PSO-LSSVM模型也有一定的提升;在多步滚动预报时,混合核PSO-KELM模型也可得到较满意的精度.
MoreAI Read Science
Must-Reading Tree
Example
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined