基于蚁群算法优化极限学习机模型的滑坡位移预测

来源：水资源与水工程学报杂志2022年第2期北京时间：

作者：曹博，汪帅，宋丹青，杜涵，刘光伟，周志伟

单位：（1.辽宁工程技术大学矿业学院,2.清华大学水沙科学与水利水电工程国家重点试验室,3.神华宝日希勒能源有限公司露天煤矿

摘要：采用高精度的优化算法对于提高滑坡位移预测模型的准确性具有重要意义，然而已有文献中很少对多种优化算法进行对比研究。以三峡库区的八字门滑坡为例，以极限学习机（ELM）理论为基础进行滑坡位移预测，同时运用多种算法对建立模型过程中的参数选择进行优化以期提高预测效果。为提高预测精度，以移动平均法为基础，将滑坡位移分解为趋势项和周期项，趋势项位移使用多项式函数进行预测，周期项位移使用MATLAB自编程序的极限学习机模型进行预测，两项预测值相加即可得到最终的累计位移预测值。计算结果表明：单一的ELM模型能够较为准确地预测具有阶跃式曲线的滑坡累计位移，预测结果的平均误差为23.5 mm，拟合优度为0.973。与粒子群算法和遗传算法相比，蚁群算法（ACO）在计算用时和优化效果上更优，蚁群算法优化极限学习机模型对位移的预测精度也最高，平均误差为10.1 mm，拟合优度为0.998，可在类似滑坡的位移预测研究中进行推广。

关键词：滑坡,位移预测,移动平均法,蚁群算法,极限学习机

基金资助：中国博士后科学基金项目(2020M680583)； 博士后创新人才支持计划项目(BX20200191)； 清华大学“水木学者”计划项目(2019SM058)；国家自然科学基金项目(51974144)