典型文献
基于改进麻雀搜索算法-核极限学习机耦合算法的滑坡位移预测模型
文献摘要：
传统的位移预测模型需要大量数据作为原始训练样本,一定程度上限制了预测模型的应用.为在有限的位移监测数据下进一步提高预测精度,针对金沙江沿岸某长期变形的滑坡体,采用麻雀搜索算法(sparrow search algorithm,SSA),结合核极限学习机算法(kernel-based extreme learning machine,KELM)算法,对滑坡的位移变化提出一种新的多变量位移预测方法,并与传统的支持向量机(support vector machine,SVM)进行对比,结果显示改进的SSA-KELM耦合滑坡预测模型比SVM模型预测精度更高,对金沙江沿岸地区的滑坡具有良好的位移预测效果.
文献关键词：
核极限学习机;麻雀搜索算法;滑坡位移预测;小波变换;全球定位系统
中图分类号：
作者姓名：
马飞燕;李向新
作者机构：
昆明理工大学国土资源工程学院,昆明650093
文献出处：
引用格式：
[1]马飞燕;李向新-.基于改进麻雀搜索算法-核极限学习机耦合算法的滑坡位移预测模型)[J].科学技术与工程,2022(05):1786-1793
A类：
B类：
改进麻雀搜索算法,核极限学习机,耦合算法,滑坡位移预测,训练样本,位移监测,金沙江,长期变形,滑坡体,sparrow,search,algorithm,SSA,极限学习机算法,kernel,extreme,learning,machine,KELM,位移变化,多变量,support,vector,滑坡预测,沿岸地区,小波变换,全球定位系统
AB值：
0.297635
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。
