基于粒子群优化的WA‐SVM模型在滑坡位移预测中的应用

详细信息   

• 责任者：杨虎^c海南水文地质工程地质勘察院^d1989^e硕士研究生 ; 吴北平^c中国地质大学(武汉) ; 陈美华^c湖南有色测绘院 ; 李前云^c重庆市208水文地质工程地质队
• 刊名：安全与环境工程
• 出版年：2014
• 卷期：21^b4总94
• 页码：13～18
• 索书号：P606/208-9
• 图表：^c表3参13插图
• 文摘期号：2014/12

摘要

针对滑坡位移时间序列含大量噪声、具有明显的非线性等特征，该文提出了一种基于粒子群优化(PSO)的小波分析(WA)‐支持向量机(SVM)滑坡位移预测模型(即WA‐SVM模型)。该模型在混沌分析的基础上，首先用WA将滑坡位移序列分解成不同频率的分量，然后采用PSO算法优选SVM模型参数，并利用SVM模型预测各分量值，最后将各分量预测值组合得到最终预测值。结合滑坡位移序列实例，将基于粒子群优化的WA‐SVM模型的预测结果与WA‐BP模型、单独SVM模型进行对比，结果表明该滑坡位移序列存在混沌特性，基于粒子群优化的WA‐SVM模型克服了噪声的干扰和参数优选的问题，具有较高的预测精度和预测效率，为滑坡位移的预测提供了一种新的方法。