混沌序列PSO-RBF耦合模型在滑坡位移预测中的应用

基于时间序列与PSOSVR耦合模型的白水河滑坡位移预测研究一、本文概述Overview of this article本文旨在探讨基于时间序列与粒子群优化支持向量回归（PSOSVR）耦合模型在白水河滑坡位移预测中的应用。

白水河滑坡作为一种典型的地质灾害，其位移预测对于滑坡预警和防治工作具有重要意义。

本文首先介绍白水河滑坡的地理位置、地质背景和滑坡特性，分析滑坡位移预测的重要性和挑战性。

This article aims to explore the application of a time series and particle swarm optimization support vector regression (PSOSVR) coupled model in displacement prediction of the Baishui River landslide. As a typical geological hazard, the displacement prediction of Baishui River landslide is of great significance for landslide warning and prevention work. This article first introduces the geographical location, geological background, and characteristics of the Baishui River landslide, and analyzes the importance and challenges oflandslide displacement prediction.接着，本文综述了时间序列分析和支持向量回归（SVR）模型在滑坡位移预测中的研究进展和应用现状。

时间序列分析能够通过挖掘滑坡位移数据中的时间依赖性，揭示滑坡位移的变化规律；而SVR模型作为一种有效的机器学习方法，能够在小样本、非线性、高维数据集上实现良好的预测性能。

智能优化LSSVM算法的混沌时间序列边坡变形预测模型徐南;马符讯;贾东振【期刊名称】《测绘与空间地理信息》【年(卷),期】2015(000)002【摘要】边坡变形序列存在一定混沌特征,本文将混沌分析方法应用到边坡变形预测中.为解决标准LSSVM模型中惩罚参数和核函数参数因任意给定或经验给定带来的非最优问题,将遗传算法和粒子群算法引入LSSVM模型,根据变形序列建立GA-LSSVM和PSO-LSSVM预测模型,与标准LSSVM混沌预测模型和基于神经网络的混沌预测模型进行比较.结果表明,GA-LSSVM和PSO-LSSVM模型预测中误差分别为0.73 mm和0.77 mm,LSSVM,BP,RBF三种模型中误差分别为0.90 mm,0.80 mm和0.75 mm;因此,本文提出的预测模型用于边坡变形预测比其他几种模型具有更高的精度.【总页数】4页(P9-11,17)【作者】徐南;马符讯;贾东振【作者单位】河海大学地球科学与工程学院,江苏南京210098;河海大学地球科学与工程学院,江苏南京210098;河海大学地球科学与工程学院,江苏南京210098【正文语种】中文【中图分类】P258【相关文献】1.混沌时间序列的优化预测模型及算法研究 [J], 蒋伟进;许宇胜;彭召意;孙星明;刘超2.基于ADE算法的LSSVM在混沌时间序列中的应用 [J], 崔庆;马孝义;李贤波;朱晖;李忠娟3.基于均匀设计优化预测模型参数的混沌时间序列预测 [J], 陈海英;吴明慧4.基于缩减策略的混沌时间序列LSSVM预测模型 [J], 熊胜华;周翠英5.基于双参数最小二乘支持向量机(TPA-LSSVM)的风电时间序列预测模型的优化研究 [J], 刘云; 易松因版权原因，仅展示原文概要，查看原文内容请购买。

多尺度混沌时间序列在载流故障预测中的应用孟垚;许力;杨洁【摘要】针对一类电力设备触点温度缓慢振荡上升的载流故障形态，提出了基于多尺度混沌时间序列预测的载流故障趋势预测方法。

首先应用基于小波变换的噪声平滑算法对原始数据进行降噪处理，并利用降噪后的数据构造即时温度序列和多时间尺度的平均温度序列。

通过将变步长的归一化最小均方误差算法应用于Volterra核函数的辨识中，提高核函数的辨识精度，从而获得更加准确的预测效果；采用上述改进后的Volterra自适应滤波算法对载流故障进行趋势预测。

基于某电站实际运行数据的测试结果表明，所提方法能够在载流故障发生的初期阶段预测故障发展的整体趋势，计算量小且精度高，预测故障发生时间误差最小为1 min。

%For a class of current-carrying faults on the electric contacts, a new current-carrying fault early warning scheme was proposed using multi-scale chaotic time series prediction. After reducing noises by the wavelet-based smoothing algorithm, the noise-free real-time temperature series and the moving aver-age temperature series in various time scales were constructed respectively. To improve the prediction performance of current-carrying faults, the advanced Volterra adaptive filter was enhanced by employing a new variable-step normalized least mean square error( VS-NLMS) algorithm to identify the Volterra kernel function. The proposed new developments are verified with a high accuracy of predicting the trend of cur-rent-carrying faults for the real temperature data of a certain power station.【期刊名称】《电机与控制学报》【年(卷),期】2015(000)007【总页数】7页(P1-7)【关键词】载流故障;温度预测;小波变换;混沌时间序列;Volterra【作者】孟垚;许力;杨洁【作者单位】浙江大学电气工程学院，浙江杭州310027;浙江大学电气工程学院，浙江杭州310027;浙江科技学院建工学院，浙江杭州310023【正文语种】中文【中图分类】TM712许力(1964—)，男，博士，教授，博士生导师，研究方向为智能控制与智能系统、智能机器人；杨洁(1973—)，女，硕士，讲师，研究方向为智能化建筑。

基于混沌粒子群神经网络的瓦斯浓度预测耿越【摘要】通过定量法确定瓦斯浓度数据具有混沌特性,计算瓦斯序列的延迟时间和最优嵌入维数并对其相空间重构.在混沌分析的基础上结合人工神经网络技术,针对传统RBFNN模型参数确定的问题,提出通过粒子群算法对网络参数优化,建立了CT-PSO-RBFNN预测模型.利用实际煤矿监测数据对提出的模型训练预测,并与其他3种模型横向对比,得出性能排序为CT-PSO-RBFNN>T-PSO-RBFNN>CT-RBFNN>T-RBFNN.结果证明,CT-PSO-RBFNN模型预测精度高、预测误差小、性能稳定,能够为瓦斯灾害的预报预警提供一定技术支持.【期刊名称】《中国煤炭》【年(卷),期】2017(043)003【总页数】6页(P124-129)【关键词】瓦斯浓度预测;煤矿安全;混沌分析;粒子群优化径向基函数神经网络;预报预警【作者】耿越【作者单位】中国矿业大学 (北京)机电学院,北京市海淀区,100083【正文语种】中文【中图分类】TD712.5我国煤矿开采环境恶劣，安全事故时有发生，其中瓦斯事故所占比例高且有诱发煤与瓦斯突出等其他灾害并发的可能。

瓦斯灾害事故的预测预警研究一直是煤矿安全的重要课题之一，国内外许多专家、学者对此进行了大量的研究工作并提出了一系列的模型与方法，如地质分析法、分源预测法、灰色系统理论、人工神经网络、混沌分析法等。

瓦斯灾害事故的发生受多种变量的影响，其非线性动力系统随时空演变具有不确定性。

由于目前对瓦斯突出机理的研究尚未达到精确模型化的阶段，因此绕过模型问题从观测数据角度研究瓦斯灾害的特征和规律是可行的。

作为灾害动力系统的动态响应，瓦斯浓度时间序列含有大量灾害系统动态演化的特征信息。

通过非线性理论对瓦斯浓度时间序列分析并研究其反映的特征与规律，已经成为煤矿瓦斯浓度预测的主流趋势。

其中混沌分析和人工神经网络是两种重要的非线性分析方法，是处理复杂系统的有效途径。

基于RBF径向神经网络的混沌时间序列预测
杨杰;卢凌
【期刊名称】《交通与计算机》
【年(卷),期】1999(017)001
【摘要】文章提出了基于神经网络预测混沌时间序列的方法，分析了神经网络的基于工作原理，并用模拟产生的ｌｏｇｉｓｔｉｃ方程数据与实际采集的海杂波数据一一进行了实际研究，得出了预测结果与混沌时间序这间关系的一些结论。

【总页数】3页(P37-39)
【作者】杨杰;卢凌
【作者单位】上海交通大学;上海交通大学
【正文语种】中文
【中图分类】TP18
【相关文献】
1.基于RBF神经网络的混沌时间序列前后向联合预测模型 [J], 姜可宇;蔡志明;陆振波
2.基于空域相关的RBF神经网络混沌时间序列预测研究 [J], 罗洪军;徐秀平;李柱峰
3.基于RBF神经网络优化的混沌时间序列预测 [J], 邬开俊;王铁君
4.基于改进RBF神经网络的混沌时间序列预测 [J], 郭兰平;俞建宁;张旭东;漆玉娟;张建刚
5.基于RBF神经网络结构选择方法的Mackey-Glass与Lorenz混沌时间序列预测建模 [J], 邵海见;邓星
因版权原因，仅展示原文概要，查看原文内容请购买。

随机森林优化的静动态耦合模型在滑坡位移预测中的应用蒋宏伟;刘健鹏;王新杰;陈春红;刘惠
【期刊名称】《常州大学学报（自然科学版）》
【年(卷),期】2024(36)3
【摘要】以重庆市奉节县生基包滑坡为例,首先采用静态的支持向量回归(SVR)机器学习算法和动态的长短期记忆神经网络(LSTM)机器学习算法对滑坡位移进行预测;其次引入随机森林(RF)算法,在输入因素筛选的基础上,对SVR模型和LSTM模型的预测结果进行更优解分类预测;最后通过RF模型输出概率值,对静动态耦合模型(SVR-LSTM)进行权重赋值,得到RF优化的SVR-LSTM滑坡位移预测模型。

结果表明LSTM模型预测整体优于SVR模型,RF优化的SVR-LSTM滑坡位移预测模型集成了静态SVR与动态LSTM预测模型的优势,其预测性能与单一的SVR模型和LSTM模型相比更优。

研究提供了一种滑坡位移预测模型集成的思路,为三峡库区的地质灾害预测预报提供借鉴和参考。

【总页数】13页(P80-92)
【作者】蒋宏伟;刘健鹏;王新杰;陈春红;刘惠
【作者单位】常州大学城市建设学院
【正文语种】中文
【中图分类】X933
【相关文献】
1.WA-BT-ELM耦合模型在黄土滑坡位移预测中的应用
2.基于粒子群优化的WA-SVM模型在滑坡位移预测中的应用
3.混沌序列PSO-RBF耦合模型在滑坡位移预测中的应用
4.基于信息量-随机森林耦合模型的山地丘陵县滑坡灾害易发性空间预测
5.顾及降雨影响的动态优化时滞时序GM(1,2)模型在滑坡位移预测中的应用
因版权原因，仅展示原文概要，查看原文内容请购买。

基于RBF网络的混沌时间序列的建模与多步预测
李冬梅;王正欧
【期刊名称】《系统工程与电子技术》
【年(卷),期】2002(024)006
【摘要】提出将RBF神经网络应用于混沌时间序列的建模与预测中,设计了一个三层RBF网络结构,说明了RBF网络用于混沌时间序列建模和预测时的基本性质.仿真结果表明,RBF网络模型对混沌时间序列有比较强的拟合能力和比较高的一步及多步预测精度.采用RBF网络进行混沌时间序列的建模和预测能够取得比其它方法好得多的效果.
【总页数】4页(P81-83,98)
【作者】李冬梅;王正欧
【作者单位】天津大学系统工程研究所,天津,300072;天津大学系统工程研究所,天津,300072
【正文语种】中文
【中图分类】TP13
【相关文献】
1.基于混沌时间序列的多步预测方法研究 [J], 陆建山;王昌明;张爱军;孙罡
2.基于粒子滤波的混沌时间序列局域多步预测 [J], 姜娇娇;郭俊;杨淑莹
3.基于多维泰勒网的自适应混沌时间序列多步预测 [J], 林屹;严洪森;周博
4.基于混沌时间序列的地下水位多步预测模型 [J], 陈南祥;张海丰;李松海
5.归一化RBF网络的时空混沌时间序列建模与应用 [J], 沈民奋;李延勋
因版权原因，仅展示原文概要，查看原文内容请购买。