典型文献
基于EEMD-HW-PSO-ELM耦合模型的排土场边坡位移预测模型
文献摘要：
为了准确预测小样本、非线性特点的排土场边坡位移,提出了一种基于经验模态分解法、三次指数平滑法和粒子群优化极限学习机的EEMD-HW-PSO-ELM边坡位移组合预测模型.以伊敏露天矿排土场GPS位移监测数据为例,验证该模型的有效性.研究结果表明:EEMD模型分解后的边坡位移时间序列包括4个IMF分量和1个余量,将分解后的数据重构为趋势项和波动项,物理意义明确.分别选择三次指数平滑法和粒子群优化极限学习机预测趋势项和波动项位移,将分项预测结果的等权叠加值作为最终预测结果,预测值的平均相对误差为0.38％,均方根误差为1.15.选择了BP模型和Elman模型进行对比预测,结果表明组合预测模型的预测效果较好,能够为边坡安全管理提供理论依据.
文献关键词：
排土场;边坡位移;耦合模型;集成经验模态分解;三次指数平滑法;粒子群优化极限学习机
中图分类号：
作者姓名：
康恩胜;赵泽熙;孟海东
作者机构：
内蒙古科技大学矿业与煤炭学院,内蒙古 包头 014010;东北大学资源与土木工程学院,辽宁 沈阳 110819
文献出处：
引用格式：
[1]康恩胜;赵泽熙;孟海东-.基于EEMD-HW-PSO-ELM耦合模型的排土场边坡位移预测模型)[J].黄金科学技术,2022(04):594-602
A类：
B类：
EEMD,HW,PSO,ELM,耦合模型,排土场边坡,边坡位移,位移预测,准确预测,小样本,基于经验,经验模态分解法,三次指数平滑法,粒子群优化极限学习机,组合预测模型,露天矿排土场,GPS,位移监测,模型分解,IMF,余量,数据重构,趋势项,物理意义,极限学习机预测,预测趋势,分项,平均相对误差,Elman,边坡安全,集成经验模态分解
AB值：
0.270447
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。
