典型文献
基于IPSO-ELM的边坡稳定性分析
文献摘要：
边坡稳定性受多种复杂因素影响,传统算法很难得到高精度预测结果,为了及时准确地对边坡稳定性做出可靠性分析,提出了改进粒子群优化极限学习机(IPSO-ELM)模型并应用于边坡稳定性预测实例中.首先在粒子群算法(PSO)的基础上,为克服在寻优过程中易出现局部最优的问题,引入自适应权重法,将改进粒子群算法(IPSO)对极限学习机(ELM)的输入权值和隐层偏置进行优化,大大提高了ELM模型的泛化能力和预测精度,然后将IPSO-ELM模型、PSO-ELM模型和ELM模型的预测值与真实值对比分析.结果表明IPSO-ELM模型预测值趋近于真实值,有较高的预测精度,验证了IPSO-ELM模型在评价边坡稳定性中的可行性和有效性.
文献关键词：
边坡稳定性;改进的粒子群算法(IPSO);极限学习机(ELM);自适应权重法;预测
中图分类号：
作者姓名：
赵允坤;胡军;杨斌
作者机构：
辽宁科技大学土木工程学院,辽宁鞍山114051
文献出处：
引用格式：
[1]赵允坤;胡军;杨斌-.基于IPSO-ELM的边坡稳定性分析)[J].有色金属工程,2022(01):122-128
A类：
自适应权重法
B类：
IPSO,ELM,边坡稳定性分析,传统算法,难得,精度预测,可靠性分析,改进粒子群优化,粒子群优化极限学习机,稳定性预测,中易,现局,局部最优,改进粒子群算法,对极,权值,偏置,泛化能力,真实值,趋近,改进的粒子群算法
AB值：
0.203293
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
