基于AdaBoost PSO ELM算法的滑坡位移预测研究

基于支持向量机隧道围岩位移预测，王明华，姚宝珍，预测围岩位移是确保隧道安全和建设的有效方法，本文提出基于支持向量机的预测模型，预测隧道围岩的位移。为了验证模型的有效性，

基于EEMD的LS-SVM和ELM混合短期风速预测，韦博洋，曾国巍，风电场风速预测的准确性对于有效减轻并网发电后风电对电网的影响，提高风电市场竞争力具有重要意义。本文提出了一种基于总体平均

瓦斯涌出量受多种自然因素和开发技术的影响,是一个非线性、高维的问题。为了更好的解决该问题,又基于目前支持向量机参数选择的重要性,提出了改进的PSO算法与LSSVM算法相结合的新方法,并将其应用于瓦斯涌

针对非线性系统,提出了一种基于BP神经网络的预测控制方法。以BP神经网络建立多步预测模型并预测系统输出值,用LM(Levenberg-Marquardt)算法和PSO(Particle Swarm O

基于PSO算法和PCNN模型的图像自动分割算法，张永康，，Echhorn等人提出的脉冲耦合神经网络（PulseCoupledNeuralNetwork,以下简称PCNN）在图像处理中得到广泛的应用，但

目前的现状和adaboost方法的运用多种方法的探讨和比较

边坡深部水平位移的预测是边坡变形监测的重要组成部分，对于预防边坡安全事故具有重要的指导意义。Holt-Winters模型适用于预测边坡深水平位移的数据序列，该数据序列既显示趋势增长又显示季节波动。首先

论文研究-基于自适应神经网络的边坡位移预测.pdf,  通过对边坡位移历史数据序列进行特征分析 ,计算出饱和嵌入维数和最大 Lyapunov指数 ,给出了边坡位移的最大可预报时间尺度。在此基础上 ,确

边坡稳定与否是露天矿山安全生产的关键问题之一。本文应用灰色理论方法,建立了灰色预测模型,并以变形实测资料为基础,回归求出相关参数,并对边坡预测模型的误差进行了拟合分析,其拟合精度非常高;然后对后续变形

matlab粒子群算法（PSO）程序，算法优化效果比较，适合研究改进PSO算法的同学。