典型文献
基于随机权重法改进PSO-ELM的露天矿边坡稳定性分析
文献摘要：
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.
文献关键词：
露天矿;边坡;改进的粒子群算法(IPSO);极限学习机(ELM);随机权重法
中图分类号：
作者姓名：
杨勇;张忠政;胡军;赵允坤
作者机构：
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
文献出处：
引用格式：
[1]杨勇;张忠政;胡军;赵允坤-.基于随机权重法改进PSO-ELM的露天矿边坡稳定性分析)[J].有色金属工程,2022(05):128-134
A类：
随机权重法,边坡预测
B类：
ELM,露天矿边坡,边坡稳定性分析,极限学习机,弓长岭,稳定性预测,训练过程,连接权值,隐含层,偏置,模型稳定性,改进的粒子群算法,IPSO,改进粒子群算法,算法优化,化极,模型应用,边坡监测,实测值,测速,参考方法
AB值：
0.198421
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。
