典型文献
人工电场算法优化的极限学习机大坝变形预测模型研究
文献摘要：
为提高水库大坝变形预测精度,研究一种将人工电场算法(AEFA)与极限学习机(ELM)相结合的预测方法.以官地水电站72期大坝沉降数据为例,构建延迟时间为1,嵌入维数为2、3、5的3种ELM预测模型,利用AEFA优化ELM输入层权值和隐含层偏值,构建3种不同嵌入维的AEFA-ELM大坝变形预测模型,并构建对应的AEFA-支持向量机(SVM)、AEFA-BP作预测对比模型.将9种不同嵌入维的AEFA-ELM、AEFA-SVM、AEFA-BP模型用于实例大坝变形数据的训练和预测.结果表明:嵌入维数为2、3、5的AEFA-ELM模型对实例后10期大坝变形预测的平均相对误差分别为3.94％、4.08％、3.67％,预测误差均小于AEFA-SVM、AEFA-BP模型,具有较高的预测精度,对大坝变形预测研究具有一定的参考价值.
文献关键词：
大坝变形;预测模型;人工电场算法;极限学习机;参数优化
中图分类号：
作者姓名：
李新华;崔东文
作者机构：
云南兴电集团有限公司,云南 文山 663000;云南省文山州水务局, 云南 文山 663000
文献出处：
引用格式：
[1]李新华;崔东文-.人工电场算法优化的极限学习机大坝变形预测模型研究)[J].人民珠江,2022(06):122-127
A类：
B类：
人工电场算法,算法优化,极限学习机,大坝变形预测,水库大坝,AEFA,ELM,官地,水电站,大坝沉降,沉降数据,延迟时间,嵌入维数,输入层,权值,隐含层,对比模型,形数,平均相对误差,预测误差,预测研究
AB值：
0.209106
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。
