典型文献
基于VMD模型和BSA-KELM模型的高陡边坡位移预测模型研究
文献摘要：
边坡位移的时间序列曲线存在复杂的非线性特征,传统的预测模型精度不足以满足现行的预测要求.为此本文提出了基于变分模态分解的鸟群优化-核极限学习机的预测模型,并对河北省某水泥厂的边坡位移进行预测.首先,采用VMD程序把边坡位移序列分解为一系列有限带宽的子序列;其次,对各子序列分别采用相空间重构,并利用核极限学习机进行预测,采用鸟群算法优化相空间重构的嵌入维度、KELM中惩罚系数和核参数三个数值,以取得最优预测模型;最后,将各个子序列预测值叠加,得到边坡位移的最终预测值.结果表明,与KELM模型、BSA-KELM模型、EEMD-BSA-KELM模型相比,基于VMD模型的BSA-KELM模型预测精度更高,为边坡位移的预测提供一种更有效的方法.
文献关键词：
边坡位移;变分模态分解;鸟群优化;核极限学习机;相空间重构
中图分类号：
作者姓名：
孙晓云;段绰;王明明;郑海青;靳强
作者机构：
石家庄铁道大学电气与电子工程学院,河北石家庄050043;河北金隅鼎新水泥有限公司,河北石家庄050200
文献出处：
引用格式：
[1]孙晓云;段绰;王明明;郑海青;靳强-.基于VMD模型和BSA-KELM模型的高陡边坡位移预测模型研究)[J].中国矿业,2022(02):78-85
A类：
B类：
VMD,BSA,KELM,高陡边坡,边坡位移,位移预测,非线性特征,预测模型精度,变分模态分解,鸟群优化,核极限学习机,水泥厂,序列分解,列有,有限带宽,子序列,相空间重构,鸟群算法,算法优化,罚系数,核参数,序列预测,EEMD
AB值：
0.231936
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。
