改进蝙蝠算法优化极限学习机的大坝变形预测模型分析

作者：陈优良; 陈洋; 肖钢; 陶剑辉

来源：测绘通报, 2021, (09): 68-73.

DOI：10.13474/j.cnki.11-2246.2021.0276

• 大坝变形
• 极限学习机
• 蝙蝠算法
• 遗传算法
• 变异因子

针对大坝变形监测数据中存在的非线性关系强和传统大坝预测模型精度不高等问题,本文利用改进蝙蝠算法选取最优的参数作为极限学习机的连接权值和阈值,并提出了一种基于改进蝙蝠算法(IBA)优化极限学习机(ELM)的大坝变形预测模型(IBA-ELM)。将IBA-ELM模型应用于工程实例,通过对某地水库大坝监测数据预测分析,验证IBA-ELM模型、BA-ELM和GA-ELM模型预测结果并进行精度评价,3种模型的预测值与实测值平均绝对误差分别为1.178 3、0.459 8、0.335 6 mm, IBA-ELM模型的预测精度高于另外2种模型,表明IBA-ELM模型能有效提高大坝变形预测能力。

• 出版日期2021
• 单位赣州市城乡规划设计研究院; 江西理工大学; 物理学院; 中南大学