中国安全科学学报

作者：谢博, 施富强, 廖学燕, 马胜, 杨伟, 路祥祥

单位：1.西南交通大学 机械工程学院,四川 成都 610031; ；2.四川省安全科学技术研究院,四川 成都 610045

关键词：矿山边坡位移预测,集合经验模态分解(EEMD)法,粒子群优化(PSO),极限学习机(ELM),小波去噪

基金：四川省省级科研院所基本科研业务费项目(2018YSKY0038);四川省科技计划项目(〔2016〕8号)。

为解决边坡变形位移预测难度大的问题,利用北斗监测系统获取边坡位移数据,引入集合经验模态分解(EEMD)法、粒子群优化(PSO)和极限学习机(ELM),建立边坡位移预测的EEMD-PSO-ELM模型;以攀钢集团石灰石矿5号监测点为例,对原始数据小波去噪,采用EEMD法将位移时间序列分解为波动项位移和趋势项位移;利用PSO-ELM优化模型预测下一时段位移,叠加2项位移预测结果,得到边坡累计位移预测值,并对比分析预测结果。结果表明:EEMD-PSO-ELM模型位移预测方法的平均相对误差(MRE)为0.15%,均方根误差(RMSE)为0.03,拟合优度为0.999 9,该模型具有一定的精确性和适用性。

来源：2020年第3期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2020年第3期