滑坡预测的计算智能方法

本书结合计算智能方法的研究成果，针对滑坡预测预报的时变性和复杂性的特点，用遗传选择策略对粒子群算法进行改进，提出一种新的改进粒子群算法“GSSPSO”，实验证明，该算法具有收敛性好且不易陷入局部最优等优点，考虑到Elman神经网络具有动态反馈的特性，将GSSPSO与Elman神经网络进行融合，提出一种新的集成算法“GSSPSO-ENN”，采用滚动时间窗口技术，建立边坡变形预测的GSSPSO-ENN多步预测系统。将边坡变形的实际值与预测值之间建立起非线性函数关系，很好地解决了预测预报中的边坡变形多步预测问题，通过工程实例计算显示，该预测精度较高，表明此系统能适用于工程实践，对减灾防灾具有一定指导意义。