矿山边坡地表变形的PSO ELM预测模型 论文

基于PSO优化SVM的储粮通风温度预测模型探究，倪凡，周晓光，本文选取河北某国家直属库冬季通风实验的实时监测数据，提出一种基于粒子群算法优化和支持向量机回归方法的储粮通风温度预测模型

利用石人沟铁矿高边坡安全监测预警系统得到的数据,建立灰预测GM(1,1)模型。预测了边坡变形的发展趋势,将预测结果与监测数据对比,发现预测效果不甚理想,故在此基础上结合回归分析法,即先对随机性较强的实

为准确预测缓倾斜煤层区段煤柱宽度,分析了缓倾斜煤层综采工作面的主要影响因素,选取8个因子,建立了粒子群优化的支持向量机区段煤柱宽度预测模型(Particle Swarm Optimization Su

文中基于曲线拟合和BP神经网络的理论,利用某矿区内B1点的实测沉降数据,结合MATLAB曲线拟合工具箱和BP神经网络的编程建立地表沉降预测模型,预测未来沉降趋势。同时采用曲线拟合的结果进行BP神经网络

在充分考虑露天矿边坡地表变形影响因素复杂性的前提下,基于丰富的地表变形监测资料,建立了露天矿边坡地表变形预测的支持向量机(SVM)模型,并采用遗传算法对核函数和惩罚因子进行确定.将该模型应用于抚顺露天

针对局部均值分解LMD实现过程中存在的模式混淆现象,利用局部均值分解的原理,提出一种结合总体局部均值分解(ELMD)与最小二乘支持向量机(LSSVM)方法的多尺度大坝变形预测模型.利用ELMD方法对大

针对矿山边坡预测模型精度低等问题,提出一种由主成分分析(PCA)、灰狼算法(GWO)和支持向量机(SVM)组合的混合模型(PCA-GWO-SVM)。首先,采用PCA对原始数据进行降维去噪;其次,通过G

近年来多个矿区的工业广场发生地表沉降,造成矿井的40多个井筒发生不同程度的破坏,给矿井生产和安全带来极大的威胁。针对煤矿工业广场的地表沉降情况,在工广地表移动变形监测基础上建立工广地表移动变形预测自动

矿山排土场滑坡的过程是一个动态、大延迟、高度非线性的特性问题,影响矿山排土场滑坡的因素众多,各个特性指标间相互影响,关于排土场滑坡预警并没有严格的划分标准。对此,提出一种自适应提升算法(Adaptiv

基于EMD和ELM的工厂化育苗水温组合预测模型

矿山边坡地压智能在线监测与预警技术PPT高清

极限学习机（ELM）模型可以通过PSO算法进行优化，以提高其数据预测精度。ELM模型在构建时，只需确定隐层神经元个数和激活函数，而初始权重和偏置项则可随机产生。PSO算法可以帮助寻找最优的初始化参数，

常规地表沉陷预计是对工作面回采结束、地表沉陷稳定后最终的静态移动变形预计。当涉及建(构)筑物下保护性开采与地面建(构)筑物加固及动态纠偏治理时，需要掌握该地质采矿条件下的地表动态移动变形规律，同时能够

基于 GA-PSO 优化的随机森林预测模型，用的是 MATLAB，思路比较新——把遗传算法和粒子群优化一起上了，还能多输入单输出的预测问题，适合做工业或者工程类的建模任务。如果你有传感器数据、环境指标

基于粒子群优化的极限学习机，属于那种看起来挺复杂，用起来还蛮灵的组合。PSO-ELM最大的亮点就是——不用你手动调一堆参数，模型自己“进化”出一套还不错的配置，预测效果比原始 ELM 稳得多。你要是做