Aiming at the stability analysis of dump slope,a PCA-PSO-ELM dump slope stability prediction model is proposed in this paper,which uses principal component analysis method to reduce data redundancy and particle swarm optimization algorithm to optimize the weight threshold of extreme learning machine. Eight prediction indexes of dump stability were determined in this model,including soil cohesion,internal friction angle,dump slope angle,foundation bearing capacity,seismic intensity,rainfall and snowfall conditions,dumping technology and random mining and digging conditions.According to 100 groups of corresponding dump data,training time,RMSE value and determination coefficient R2 were used to evaluate and compare the validity of prediction results of PCA-PSO-ELM model,BP neural network model,ELM model and PSO-ELM model.The research results show that as the input variable to train and test the PSO-ELM network model,the dump stability sample data processed by PCA dimensionality reduction,made predicted value very close to the real value.The prediction accuracy and efficiency are not only higher than the ELM algorithm,but also far better than the traditional BP neural network algorithm.Compared with the PSO-ELM model without PCA treatment,the PSO-ELM model optimized by PCA method can significantly shorten the calculation time on the basis of little difference in efficiency,which proves that the method has certain practical value.
GAO Feng, WU Xiaodong, ZHOU Keping. Prediction Model of Soil Dump Stability Based on Principal Component Analysis and PSO-ELM Algorithm[J]. Gold Science and Technology, 2021, 29(5): 658-668 doi:10.11872/j.issn.1005-2518.2021.05.168
排土场的安全稳定性是露天矿山安全生产的重要保障,排土场稳定性预测和评价长期以来备受学者们的关注。排土场是一种边坡,因此边坡稳定性研究常采用的方法也适用于排土场,其中一个典型的例子就是极限平衡法。该方法使用定量计算来确定安全系数,并利用该系数来评估边坡稳定性程度。极限平衡法(Spencer,1967;Janbu,1975;Bishop,1955;Morgenstern et al.,1967)在20世纪得到了迅速发展,后来经过改进,其成为工程应用中最简便的方法。此外,还有一些借助安全系数的强度折减法、数值模拟分析法等方法也在边坡稳定性分析中取得了良好的效果。但是,这些方法基于大量的线性关系和假设,没有考虑不确定因素的影响,因此结果有时会偏离实际情况。
近年来,不确定性方法(如:灰色模型、模糊理论和高级学习算法)与计算机技术的结合成为边坡稳定性评价的研究热点。其中,人工智能算法得益于良好的自组织自适应性,已被逐渐应用于复杂不确定性分析模型的简化研究中,如:人工神经网络(Artificial Neutral Network,ANN)、极限学习机(Extreme Learning Machine,ELM)和支持向量机(Support Vector Machine,SVM)。经过全面的样本训练后,这些方法能够较好地模拟逼近边坡评定参数与稳定状况间的隐函数,从而达到高效完成不确定性分析的目的。Hong et al.(2005)使用基于人工神经网络模型开发的SlideEval程序,分析并评估了不同倾角下的边坡稳定性变化。随后,人工智能算法被广泛应用于拟合甚至替代边坡稳定性的复杂隐函数,如:何婷婷等(2013)通过一些确定性计算获得的样本数据来训练SVM模型以逼近可靠度分析中的极限平衡功能函数,再结合蒙特卡洛法计算边坡失稳概率;谭晓慧等(2011)提出了利用SVM和RBF拟合替代原边坡安全系数与各参数指标的复杂隐函数的手段,并结合不同示例说明了二者的准确性和有效性;苏国韶等(2014)构建了基于高斯回归响应面的蒙特卡洛方法,通过3个边坡算例验证了该方法的有效性与高效性。除此之外,人工蜂群演化算法(Kang et al.,2016)、人工神经网络(Cho,2009)、Kriging(苏永华等,2012,2013;Yi et al.,2015)和向量投影(王宇等,2011)等方法均被用来构建输入参数与输出安全系数间的函数关系。然而,上述方法或多或少存在模型构建复杂和精度不足的问题。ELM是一种单隐层前馈神经网络算法,相比于传统神经网络算法,其在预测精度、通用性和简单性方面均具有独特的优势,因此该方法在边坡稳定性工程应用中取得了良好的效果(Liu et al.,2014)。
粒子群算法是一种模拟鸟群飞行觅食行为以达到群体寻优目的的智能优化算法(Castano et al.,2013),具有收敛快、参数少和寻优高效等特点。该方法将每个问题的解看作是一个粒子,粒子的空间位置与目标的距离作为适应度,同时每个粒子对应一个矢量速度,通过跟踪个体极值pbest(个体所经历位置中计算得到的适应度最优位置)和群体极值Gbest(种群中所有粒子搜索到的适应度最优位置),每搜索一次就更新速度和适应度,直到达到终止要求。
The use of the slip circle in the stability analysis of slopes
1
1955
... 排土场的安全稳定性是露天矿山安全生产的重要保障,排土场稳定性预测和评价长期以来备受学者们的关注.排土场是一种边坡,因此边坡稳定性研究常采用的方法也适用于排土场,其中一个典型的例子就是极限平衡法.该方法使用定量计算来确定安全系数,并利用该系数来评估边坡稳定性程度.极限平衡法(Spencer,1967;Janbu,1975;Bishop,1955;Morgenstern et al.,1967)在20世纪得到了迅速发展,后来经过改进,其成为工程应用中最简便的方法.此外,还有一些借助安全系数的强度折减法、数值模拟分析法等方法也在边坡稳定性分析中取得了良好的效果.但是,这些方法基于大量的线性关系和假设,没有考虑不确定因素的影响,因此结果有时会偏离实际情况. ...
Numerical simulation of stability during dumping of soft soil dump site
0
2017
PCA-ELM:A robust and pruned extreme learning machine approach based on principal component analysis
2
2013
... 然而,由于存在局部最小化等问题,所以在边坡稳定性预测中常将ELM算法与其他优化算法组合使用(邵良杉等,2015;温廷新等,2018;Lu et al.,2017).粒子群优化算法(Particle Swarm Optimi-zation,PSO)是一种基于自然界鸟群觅食行为的优化算法,具有收敛速度快、参数少和高效的特点,其在神经网络优化中显示出良好的性能(Liu et al.,2015;Shi et al.,2015;Gordan et al.,2016;Xue,2016;王彪龙等,2019).若输入数据过于冗余复杂,会对神经网络模型的预测准确性和效率产生较大影响,研究表明,主成分分析法(Principle Component Analysis,PCA)可有效减少数据的冗余性(Castano et al.,2013;Jolliffe et al.,2016). ...
... 粒子群算法是一种模拟鸟群飞行觅食行为以达到群体寻优目的的智能优化算法(Castano et al.,2013),具有收敛快、参数少和寻优高效等特点.该方法将每个问题的解看作是一个粒子,粒子的空间位置与目标的距离作为适应度,同时每个粒子对应一个矢量速度,通过跟踪个体极值pbest(个体所经历位置中计算得到的适应度最优位置)和群体极值Gbest(种群中所有粒子搜索到的适应度最优位置),每搜索一次就更新速度和适应度,直到达到终止要求. ...
Slope stability analysis of open-pit mine dump
0
2010
Probabilistic stability analyses of slopes using the ANN-based response surface
2
2009
... 近年来,不确定性方法(如:灰色模型、模糊理论和高级学习算法)与计算机技术的结合成为边坡稳定性评价的研究热点.其中,人工智能算法得益于良好的自组织自适应性,已被逐渐应用于复杂不确定性分析模型的简化研究中,如:人工神经网络(Artificial Neutral Network,ANN)、极限学习机(Extreme Learning Machine,ELM)和支持向量机(Support Vector Machine,SVM).经过全面的样本训练后,这些方法能够较好地模拟逼近边坡评定参数与稳定状况间的隐函数,从而达到高效完成不确定性分析的目的.Hong et al.(2005)使用基于人工神经网络模型开发的SlideEval程序,分析并评估了不同倾角下的边坡稳定性变化.随后,人工智能算法被广泛应用于拟合甚至替代边坡稳定性的复杂隐函数,如:何婷婷等(2013)通过一些确定性计算获得的样本数据来训练SVM模型以逼近可靠度分析中的极限平衡功能函数,再结合蒙特卡洛法计算边坡失稳概率;谭晓慧等(2011)提出了利用SVM和RBF拟合替代原边坡安全系数与各参数指标的复杂隐函数的手段,并结合不同示例说明了二者的准确性和有效性;苏国韶等(2014)构建了基于高斯回归响应面的蒙特卡洛方法,通过3个边坡算例验证了该方法的有效性与高效性.除此之外,人工蜂群演化算法(Kang et al.,2016)、人工神经网络(Cho,2009)、Kriging(苏永华等,2012,2013;Yi et al.,2015)和向量投影(王宇等,2011)等方法均被用来构建输入参数与输出安全系数间的函数关系.然而,上述方法或多或少存在模型构建复杂和精度不足的问题.ELM是一种单隐层前馈神经网络算法,相比于传统神经网络算法,其在预测精度、通用性和简单性方面均具有独特的优势,因此该方法在边坡稳定性工程应用中取得了良好的效果(Liu et al.,2014). ...
Prediction of seismic slope stability through combination of particle swarm optimization and neural network
2
2016
... 然而,由于存在局部最小化等问题,所以在边坡稳定性预测中常将ELM算法与其他优化算法组合使用(邵良杉等,2015;温廷新等,2018;Lu et al.,2017).粒子群优化算法(Particle Swarm Optimi-zation,PSO)是一种基于自然界鸟群觅食行为的优化算法,具有收敛速度快、参数少和高效的特点,其在神经网络优化中显示出良好的性能(Liu et al.,2015;Shi et al.,2015;Gordan et al.,2016;Xue,2016;王彪龙等,2019).若输入数据过于冗余复杂,会对神经网络模型的预测准确性和效率产生较大影响,研究表明,主成分分析法(Principle Component Analysis,PCA)可有效减少数据的冗余性(Castano et al.,2013;Jolliffe et al.,2016). ...
... (1)排土工艺.包括:①排土的强度影响松散岩土料内部的压力增长速率,过高或过低的压力增长速率都会导致排弃物料与基底土层性质的不相适应;②堆置顺序所导致的排土过程中的(水平或倾斜)分层作用(Gordan et al.,2016). ...
Support vector machine method for slope reliability analysis
0
2013
Stability evaluation of the cut slope using artificial neural network model
1
2005
... 近年来,不确定性方法(如:灰色模型、模糊理论和高级学习算法)与计算机技术的结合成为边坡稳定性评价的研究热点.其中,人工智能算法得益于良好的自组织自适应性,已被逐渐应用于复杂不确定性分析模型的简化研究中,如:人工神经网络(Artificial Neutral Network,ANN)、极限学习机(Extreme Learning Machine,ELM)和支持向量机(Support Vector Machine,SVM).经过全面的样本训练后,这些方法能够较好地模拟逼近边坡评定参数与稳定状况间的隐函数,从而达到高效完成不确定性分析的目的.Hong et al.(2005)使用基于人工神经网络模型开发的SlideEval程序,分析并评估了不同倾角下的边坡稳定性变化.随后,人工智能算法被广泛应用于拟合甚至替代边坡稳定性的复杂隐函数,如:何婷婷等(2013)通过一些确定性计算获得的样本数据来训练SVM模型以逼近可靠度分析中的极限平衡功能函数,再结合蒙特卡洛法计算边坡失稳概率;谭晓慧等(2011)提出了利用SVM和RBF拟合替代原边坡安全系数与各参数指标的复杂隐函数的手段,并结合不同示例说明了二者的准确性和有效性;苏国韶等(2014)构建了基于高斯回归响应面的蒙特卡洛方法,通过3个边坡算例验证了该方法的有效性与高效性.除此之外,人工蜂群演化算法(Kang et al.,2016)、人工神经网络(Cho,2009)、Kriging(苏永华等,2012,2013;Yi et al.,2015)和向量投影(王宇等,2011)等方法均被用来构建输入参数与输出安全系数间的函数关系.然而,上述方法或多或少存在模型构建复杂和精度不足的问题.ELM是一种单隐层前馈神经网络算法,相比于传统神经网络算法,其在预测精度、通用性和简单性方面均具有独特的优势,因此该方法在边坡稳定性工程应用中取得了良好的效果(Liu et al.,2014). ...
Slope stability computations:In embankment-dam engineering.Textbook.Eds.R.C.Hirschfeld and S.J.Poulos.John Wiley and Sons Inc.Pub.NY,1973,40P
1
1975
... 排土场的安全稳定性是露天矿山安全生产的重要保障,排土场稳定性预测和评价长期以来备受学者们的关注.排土场是一种边坡,因此边坡稳定性研究常采用的方法也适用于排土场,其中一个典型的例子就是极限平衡法.该方法使用定量计算来确定安全系数,并利用该系数来评估边坡稳定性程度.极限平衡法(Spencer,1967;Janbu,1975;Bishop,1955;Morgenstern et al.,1967)在20世纪得到了迅速发展,后来经过改进,其成为工程应用中最简便的方法.此外,还有一些借助安全系数的强度折减法、数值模拟分析法等方法也在边坡稳定性分析中取得了良好的效果.但是,这些方法基于大量的线性关系和假设,没有考虑不确定因素的影响,因此结果有时会偏离实际情况. ...
Principal component analysis:A review and recent developments
1
2016
... 然而,由于存在局部最小化等问题,所以在边坡稳定性预测中常将ELM算法与其他优化算法组合使用(邵良杉等,2015;温廷新等,2018;Lu et al.,2017).粒子群优化算法(Particle Swarm Optimi-zation,PSO)是一种基于自然界鸟群觅食行为的优化算法,具有收敛速度快、参数少和高效的特点,其在神经网络优化中显示出良好的性能(Liu et al.,2015;Shi et al.,2015;Gordan et al.,2016;Xue,2016;王彪龙等,2019).若输入数据过于冗余复杂,会对神经网络模型的预测准确性和效率产生较大影响,研究表明,主成分分析法(Principle Component Analysis,PCA)可有效减少数据的冗余性(Castano et al.,2013;Jolliffe et al.,2016). ...
Artificial bee colony algorithm optimized support vector regression for system reliability analysis of slopes
1
2016
... 近年来,不确定性方法(如:灰色模型、模糊理论和高级学习算法)与计算机技术的结合成为边坡稳定性评价的研究热点.其中,人工智能算法得益于良好的自组织自适应性,已被逐渐应用于复杂不确定性分析模型的简化研究中,如:人工神经网络(Artificial Neutral Network,ANN)、极限学习机(Extreme Learning Machine,ELM)和支持向量机(Support Vector Machine,SVM).经过全面的样本训练后,这些方法能够较好地模拟逼近边坡评定参数与稳定状况间的隐函数,从而达到高效完成不确定性分析的目的.Hong et al.(2005)使用基于人工神经网络模型开发的SlideEval程序,分析并评估了不同倾角下的边坡稳定性变化.随后,人工智能算法被广泛应用于拟合甚至替代边坡稳定性的复杂隐函数,如:何婷婷等(2013)通过一些确定性计算获得的样本数据来训练SVM模型以逼近可靠度分析中的极限平衡功能函数,再结合蒙特卡洛法计算边坡失稳概率;谭晓慧等(2011)提出了利用SVM和RBF拟合替代原边坡安全系数与各参数指标的复杂隐函数的手段,并结合不同示例说明了二者的准确性和有效性;苏国韶等(2014)构建了基于高斯回归响应面的蒙特卡洛方法,通过3个边坡算例验证了该方法的有效性与高效性.除此之外,人工蜂群演化算法(Kang et al.,2016)、人工神经网络(Cho,2009)、Kriging(苏永华等,2012,2013;Yi et al.,2015)和向量投影(王宇等,2011)等方法均被用来构建输入参数与输出安全系数间的函数关系.然而,上述方法或多或少存在模型构建复杂和精度不足的问题.ELM是一种单隐层前馈神经网络算法,相比于传统神经网络算法,其在预测精度、通用性和简单性方面均具有独特的优势,因此该方法在边坡稳定性工程应用中取得了良好的效果(Liu et al.,2014). ...
Slope stability analysis and treatment technology of open-pit coal mine dump site
0
2014
DCPSO-BP model of slope stability research
1
2015
... 然而,由于存在局部最小化等问题,所以在边坡稳定性预测中常将ELM算法与其他优化算法组合使用(邵良杉等,2015;温廷新等,2018;Lu et al.,2017).粒子群优化算法(Particle Swarm Optimi-zation,PSO)是一种基于自然界鸟群觅食行为的优化算法,具有收敛速度快、参数少和高效的特点,其在神经网络优化中显示出良好的性能(Liu et al.,2015;Shi et al.,2015;Gordan et al.,2016;Xue,2016;王彪龙等,2019).若输入数据过于冗余复杂,会对神经网络模型的预测准确性和效率产生较大影响,研究表明,主成分分析法(Principle Component Analysis,PCA)可有效减少数据的冗余性(Castano et al.,2013;Jolliffe et al.,2016). ...
An extreme learning machine approach for slope stability evaluation and prediction
1
2014
... 近年来,不确定性方法(如:灰色模型、模糊理论和高级学习算法)与计算机技术的结合成为边坡稳定性评价的研究热点.其中,人工智能算法得益于良好的自组织自适应性,已被逐渐应用于复杂不确定性分析模型的简化研究中,如:人工神经网络(Artificial Neutral Network,ANN)、极限学习机(Extreme Learning Machine,ELM)和支持向量机(Support Vector Machine,SVM).经过全面的样本训练后,这些方法能够较好地模拟逼近边坡评定参数与稳定状况间的隐函数,从而达到高效完成不确定性分析的目的.Hong et al.(2005)使用基于人工神经网络模型开发的SlideEval程序,分析并评估了不同倾角下的边坡稳定性变化.随后,人工智能算法被广泛应用于拟合甚至替代边坡稳定性的复杂隐函数,如:何婷婷等(2013)通过一些确定性计算获得的样本数据来训练SVM模型以逼近可靠度分析中的极限平衡功能函数,再结合蒙特卡洛法计算边坡失稳概率;谭晓慧等(2011)提出了利用SVM和RBF拟合替代原边坡安全系数与各参数指标的复杂隐函数的手段,并结合不同示例说明了二者的准确性和有效性;苏国韶等(2014)构建了基于高斯回归响应面的蒙特卡洛方法,通过3个边坡算例验证了该方法的有效性与高效性.除此之外,人工蜂群演化算法(Kang et al.,2016)、人工神经网络(Cho,2009)、Kriging(苏永华等,2012,2013;Yi et al.,2015)和向量投影(王宇等,2011)等方法均被用来构建输入参数与输出安全系数间的函数关系.然而,上述方法或多或少存在模型构建复杂和精度不足的问题.ELM是一种单隐层前馈神经网络算法,相比于传统神经网络算法,其在预测精度、通用性和简单性方面均具有独特的优势,因此该方法在边坡稳定性工程应用中取得了良好的效果(Liu et al.,2014). ...
A kernel extreme learning machine algorithm based on improved particle swam optimization
1
2017
... 然而,由于存在局部最小化等问题,所以在边坡稳定性预测中常将ELM算法与其他优化算法组合使用(邵良杉等,2015;温廷新等,2018;Lu et al.,2017).粒子群优化算法(Particle Swarm Optimi-zation,PSO)是一种基于自然界鸟群觅食行为的优化算法,具有收敛速度快、参数少和高效的特点,其在神经网络优化中显示出良好的性能(Liu et al.,2015;Shi et al.,2015;Gordan et al.,2016;Xue,2016;王彪龙等,2019).若输入数据过于冗余复杂,会对神经网络模型的预测准确性和效率产生较大影响,研究表明,主成分分析法(Principle Component Analysis,PCA)可有效减少数据的冗余性(Castano et al.,2013;Jolliffe et al.,2016). ...
Research and Application of Early Warning Method of Open-pit Mine Dump Landslide
0
2015
A numerical method for solving the equations of stability of general slip surfaces
1
1967
... 排土场的安全稳定性是露天矿山安全生产的重要保障,排土场稳定性预测和评价长期以来备受学者们的关注.排土场是一种边坡,因此边坡稳定性研究常采用的方法也适用于排土场,其中一个典型的例子就是极限平衡法.该方法使用定量计算来确定安全系数,并利用该系数来评估边坡稳定性程度.极限平衡法(Spencer,1967;Janbu,1975;Bishop,1955;Morgenstern et al.,1967)在20世纪得到了迅速发展,后来经过改进,其成为工程应用中最简便的方法.此外,还有一些借助安全系数的强度折减法、数值模拟分析法等方法也在边坡稳定性分析中取得了良好的效果.但是,这些方法基于大量的线性关系和假设,没有考虑不确定因素的影响,因此结果有时会偏离实际情况. ...
Prediction of slope stability based on RF-ELM model
0
2015
PCA-PSO-BP neural network application in IDS
1
2015
... 然而,由于存在局部最小化等问题,所以在边坡稳定性预测中常将ELM算法与其他优化算法组合使用(邵良杉等,2015;温廷新等,2018;Lu et al.,2017).粒子群优化算法(Particle Swarm Optimi-zation,PSO)是一种基于自然界鸟群觅食行为的优化算法,具有收敛速度快、参数少和高效的特点,其在神经网络优化中显示出良好的性能(Liu et al.,2015;Shi et al.,2015;Gordan et al.,2016;Xue,2016;王彪龙等,2019).若输入数据过于冗余复杂,会对神经网络模型的预测准确性和效率产生较大影响,研究表明,主成分分析法(Principle Component Analysis,PCA)可有效减少数据的冗余性(Castano et al.,2013;Jolliffe et al.,2016). ...
A method of analysis of the stability of embankments assuming parallel inter-slice forces
1
1967
... 排土场的安全稳定性是露天矿山安全生产的重要保障,排土场稳定性预测和评价长期以来备受学者们的关注.排土场是一种边坡,因此边坡稳定性研究常采用的方法也适用于排土场,其中一个典型的例子就是极限平衡法.该方法使用定量计算来确定安全系数,并利用该系数来评估边坡稳定性程度.极限平衡法(Spencer,1967;Janbu,1975;Bishop,1955;Morgenstern et al.,1967)在20世纪得到了迅速发展,后来经过改进,其成为工程应用中最简便的方法.此外,还有一些借助安全系数的强度折减法、数值模拟分析法等方法也在边坡稳定性分析中取得了良好的效果.但是,这些方法基于大量的线性关系和假设,没有考虑不确定因素的影响,因此结果有时会偏离实际情况. ...
Gaussian dynamic response surface method for slope failure probability estimation
0
2014
Active search method of slope stability reliability based on Kriging
0
2013
Slope stability reliability algorithm based on proxy model
0
2012
Fuzzy response surface method and its application in the reliability analysis of slope stability
0
2011
Landslide reliability evaluation method of PSO-BP neural network based on natural selection strategy
0
2019
Research and application of vector projection response surface for slope reliability evaluation
0
2011
Slope stability prediction based on SAPSO-ELM
0
2018
Prediction of slope stability based on hybrid PSO and LSSVM
1
2016
... 然而,由于存在局部最小化等问题,所以在边坡稳定性预测中常将ELM算法与其他优化算法组合使用(邵良杉等,2015;温廷新等,2018;Lu et al.,2017).粒子群优化算法(Particle Swarm Optimi-zation,PSO)是一种基于自然界鸟群觅食行为的优化算法,具有收敛速度快、参数少和高效的特点,其在神经网络优化中显示出良好的性能(Liu et al.,2015;Shi et al.,2015;Gordan et al.,2016;Xue,2016;王彪龙等,2019).若输入数据过于冗余复杂,会对神经网络模型的预测准确性和效率产生较大影响,研究表明,主成分分析法(Principle Component Analysis,PCA)可有效减少数据的冗余性(Castano et al.,2013;Jolliffe et al.,2016). ...
Cumulative PSO-Kriging model for slope reliability analysis
1
2015
... 近年来,不确定性方法(如:灰色模型、模糊理论和高级学习算法)与计算机技术的结合成为边坡稳定性评价的研究热点.其中,人工智能算法得益于良好的自组织自适应性,已被逐渐应用于复杂不确定性分析模型的简化研究中,如:人工神经网络(Artificial Neutral Network,ANN)、极限学习机(Extreme Learning Machine,ELM)和支持向量机(Support Vector Machine,SVM).经过全面的样本训练后,这些方法能够较好地模拟逼近边坡评定参数与稳定状况间的隐函数,从而达到高效完成不确定性分析的目的.Hong et al.(2005)使用基于人工神经网络模型开发的SlideEval程序,分析并评估了不同倾角下的边坡稳定性变化.随后,人工智能算法被广泛应用于拟合甚至替代边坡稳定性的复杂隐函数,如:何婷婷等(2013)通过一些确定性计算获得的样本数据来训练SVM模型以逼近可靠度分析中的极限平衡功能函数,再结合蒙特卡洛法计算边坡失稳概率;谭晓慧等(2011)提出了利用SVM和RBF拟合替代原边坡安全系数与各参数指标的复杂隐函数的手段,并结合不同示例说明了二者的准确性和有效性;苏国韶等(2014)构建了基于高斯回归响应面的蒙特卡洛方法,通过3个边坡算例验证了该方法的有效性与高效性.除此之外,人工蜂群演化算法(Kang et al.,2016)、人工神经网络(Cho,2009)、Kriging(苏永华等,2012,2013;Yi et al.,2015)和向量投影(王宇等,2011)等方法均被用来构建输入参数与输出安全系数间的函数关系.然而,上述方法或多或少存在模型构建复杂和精度不足的问题.ELM是一种单隐层前馈神经网络算法,相比于传统神经网络算法,其在预测精度、通用性和简单性方面均具有独特的优势,因此该方法在边坡稳定性工程应用中取得了良好的效果(Liu et al.,2014). ...
Application of simplified bishop method and co-thrust method to stability calculation of high step dumping site
0
2015
Stability analysis of dump site slope based on strength reduction finite element method
0
2015
Comparative analysis of FLAC 3D method and rigid body limit equilibrium method for stability evaluation of mine dumps
... 近年来,不确定性方法(如:灰色模型、模糊理论和高级学习算法)与计算机技术的结合成为边坡稳定性评价的研究热点.其中,人工智能算法得益于良好的自组织自适应性,已被逐渐应用于复杂不确定性分析模型的简化研究中,如:人工神经网络(Artificial Neutral Network,ANN)、极限学习机(Extreme Learning Machine,ELM)和支持向量机(Support Vector Machine,SVM).经过全面的样本训练后,这些方法能够较好地模拟逼近边坡评定参数与稳定状况间的隐函数,从而达到高效完成不确定性分析的目的.Hong et al.(2005)使用基于人工神经网络模型开发的SlideEval程序,分析并评估了不同倾角下的边坡稳定性变化.随后,人工智能算法被广泛应用于拟合甚至替代边坡稳定性的复杂隐函数,如:何婷婷等(2013)通过一些确定性计算获得的样本数据来训练SVM模型以逼近可靠度分析中的极限平衡功能函数,再结合蒙特卡洛法计算边坡失稳概率;谭晓慧等(2011)提出了利用SVM和RBF拟合替代原边坡安全系数与各参数指标的复杂隐函数的手段,并结合不同示例说明了二者的准确性和有效性;苏国韶等(2014)构建了基于高斯回归响应面的蒙特卡洛方法,通过3个边坡算例验证了该方法的有效性与高效性.除此之外,人工蜂群演化算法(Kang et al.,2016)、人工神经网络(Cho,2009)、Kriging(苏永华等,2012,2013;Yi et al.,2015)和向量投影(王宇等,2011)等方法均被用来构建输入参数与输出安全系数间的函数关系.然而,上述方法或多或少存在模型构建复杂和精度不足的问题.ELM是一种单隐层前馈神经网络算法,相比于传统神经网络算法,其在预测精度、通用性和简单性方面均具有独特的优势,因此该方法在边坡稳定性工程应用中取得了良好的效果(Liu et al.,2014). ...
... 然而,由于存在局部最小化等问题,所以在边坡稳定性预测中常将ELM算法与其他优化算法组合使用(邵良杉等,2015;温廷新等,2018;Lu et al.,2017).粒子群优化算法(Particle Swarm Optimi-zation,PSO)是一种基于自然界鸟群觅食行为的优化算法,具有收敛速度快、参数少和高效的特点,其在神经网络优化中显示出良好的性能(Liu et al.,2015;Shi et al.,2015;Gordan et al.,2016;Xue,2016;王彪龙等,2019).若输入数据过于冗余复杂,会对神经网络模型的预测准确性和效率产生较大影响,研究表明,主成分分析法(Principle Component Analysis,PCA)可有效减少数据的冗余性(Castano et al.,2013;Jolliffe et al.,2016). ...
边坡失效概率估计的高斯过程动态响应面法
1
2014
... 近年来,不确定性方法(如:灰色模型、模糊理论和高级学习算法)与计算机技术的结合成为边坡稳定性评价的研究热点.其中,人工智能算法得益于良好的自组织自适应性,已被逐渐应用于复杂不确定性分析模型的简化研究中,如:人工神经网络(Artificial Neutral Network,ANN)、极限学习机(Extreme Learning Machine,ELM)和支持向量机(Support Vector Machine,SVM).经过全面的样本训练后,这些方法能够较好地模拟逼近边坡评定参数与稳定状况间的隐函数,从而达到高效完成不确定性分析的目的.Hong et al.(2005)使用基于人工神经网络模型开发的SlideEval程序,分析并评估了不同倾角下的边坡稳定性变化.随后,人工智能算法被广泛应用于拟合甚至替代边坡稳定性的复杂隐函数,如:何婷婷等(2013)通过一些确定性计算获得的样本数据来训练SVM模型以逼近可靠度分析中的极限平衡功能函数,再结合蒙特卡洛法计算边坡失稳概率;谭晓慧等(2011)提出了利用SVM和RBF拟合替代原边坡安全系数与各参数指标的复杂隐函数的手段,并结合不同示例说明了二者的准确性和有效性;苏国韶等(2014)构建了基于高斯回归响应面的蒙特卡洛方法,通过3个边坡算例验证了该方法的有效性与高效性.除此之外,人工蜂群演化算法(Kang et al.,2016)、人工神经网络(Cho,2009)、Kriging(苏永华等,2012,2013;Yi et al.,2015)和向量投影(王宇等,2011)等方法均被用来构建输入参数与输出安全系数间的函数关系.然而,上述方法或多或少存在模型构建复杂和精度不足的问题.ELM是一种单隐层前馈神经网络算法,相比于传统神经网络算法,其在预测精度、通用性和简单性方面均具有独特的优势,因此该方法在边坡稳定性工程应用中取得了良好的效果(Liu et al.,2014). ...
基于Kriging的边坡稳定可靠度主动搜索法
1
2013
... 近年来,不确定性方法(如:灰色模型、模糊理论和高级学习算法)与计算机技术的结合成为边坡稳定性评价的研究热点.其中,人工智能算法得益于良好的自组织自适应性,已被逐渐应用于复杂不确定性分析模型的简化研究中,如:人工神经网络(Artificial Neutral Network,ANN)、极限学习机(Extreme Learning Machine,ELM)和支持向量机(Support Vector Machine,SVM).经过全面的样本训练后,这些方法能够较好地模拟逼近边坡评定参数与稳定状况间的隐函数,从而达到高效完成不确定性分析的目的.Hong et al.(2005)使用基于人工神经网络模型开发的SlideEval程序,分析并评估了不同倾角下的边坡稳定性变化.随后,人工智能算法被广泛应用于拟合甚至替代边坡稳定性的复杂隐函数,如:何婷婷等(2013)通过一些确定性计算获得的样本数据来训练SVM模型以逼近可靠度分析中的极限平衡功能函数,再结合蒙特卡洛法计算边坡失稳概率;谭晓慧等(2011)提出了利用SVM和RBF拟合替代原边坡安全系数与各参数指标的复杂隐函数的手段,并结合不同示例说明了二者的准确性和有效性;苏国韶等(2014)构建了基于高斯回归响应面的蒙特卡洛方法,通过3个边坡算例验证了该方法的有效性与高效性.除此之外,人工蜂群演化算法(Kang et al.,2016)、人工神经网络(Cho,2009)、Kriging(苏永华等,2012,2013;Yi et al.,2015)和向量投影(王宇等,2011)等方法均被用来构建输入参数与输出安全系数间的函数关系.然而,上述方法或多或少存在模型构建复杂和精度不足的问题.ELM是一种单隐层前馈神经网络算法,相比于传统神经网络算法,其在预测精度、通用性和简单性方面均具有独特的优势,因此该方法在边坡稳定性工程应用中取得了良好的效果(Liu et al.,2014). ...
基于代理模型的边坡稳定可靠度算法
1
2012
... 近年来,不确定性方法(如:灰色模型、模糊理论和高级学习算法)与计算机技术的结合成为边坡稳定性评价的研究热点.其中,人工智能算法得益于良好的自组织自适应性,已被逐渐应用于复杂不确定性分析模型的简化研究中,如:人工神经网络(Artificial Neutral Network,ANN)、极限学习机(Extreme Learning Machine,ELM)和支持向量机(Support Vector Machine,SVM).经过全面的样本训练后,这些方法能够较好地模拟逼近边坡评定参数与稳定状况间的隐函数,从而达到高效完成不确定性分析的目的.Hong et al.(2005)使用基于人工神经网络模型开发的SlideEval程序,分析并评估了不同倾角下的边坡稳定性变化.随后,人工智能算法被广泛应用于拟合甚至替代边坡稳定性的复杂隐函数,如:何婷婷等(2013)通过一些确定性计算获得的样本数据来训练SVM模型以逼近可靠度分析中的极限平衡功能函数,再结合蒙特卡洛法计算边坡失稳概率;谭晓慧等(2011)提出了利用SVM和RBF拟合替代原边坡安全系数与各参数指标的复杂隐函数的手段,并结合不同示例说明了二者的准确性和有效性;苏国韶等(2014)构建了基于高斯回归响应面的蒙特卡洛方法,通过3个边坡算例验证了该方法的有效性与高效性.除此之外,人工蜂群演化算法(Kang et al.,2016)、人工神经网络(Cho,2009)、Kriging(苏永华等,2012,2013;Yi et al.,2015)和向量投影(王宇等,2011)等方法均被用来构建输入参数与输出安全系数间的函数关系.然而,上述方法或多或少存在模型构建复杂和精度不足的问题.ELM是一种单隐层前馈神经网络算法,相比于传统神经网络算法,其在预测精度、通用性和简单性方面均具有独特的优势,因此该方法在边坡稳定性工程应用中取得了良好的效果(Liu et al.,2014). ...
模糊响应面法及其在边坡稳定可靠度分析中的应用
1
2011
... 近年来,不确定性方法(如:灰色模型、模糊理论和高级学习算法)与计算机技术的结合成为边坡稳定性评价的研究热点.其中,人工智能算法得益于良好的自组织自适应性,已被逐渐应用于复杂不确定性分析模型的简化研究中,如:人工神经网络(Artificial Neutral Network,ANN)、极限学习机(Extreme Learning Machine,ELM)和支持向量机(Support Vector Machine,SVM).经过全面的样本训练后,这些方法能够较好地模拟逼近边坡评定参数与稳定状况间的隐函数,从而达到高效完成不确定性分析的目的.Hong et al.(2005)使用基于人工神经网络模型开发的SlideEval程序,分析并评估了不同倾角下的边坡稳定性变化.随后,人工智能算法被广泛应用于拟合甚至替代边坡稳定性的复杂隐函数,如:何婷婷等(2013)通过一些确定性计算获得的样本数据来训练SVM模型以逼近可靠度分析中的极限平衡功能函数,再结合蒙特卡洛法计算边坡失稳概率;谭晓慧等(2011)提出了利用SVM和RBF拟合替代原边坡安全系数与各参数指标的复杂隐函数的手段,并结合不同示例说明了二者的准确性和有效性;苏国韶等(2014)构建了基于高斯回归响应面的蒙特卡洛方法,通过3个边坡算例验证了该方法的有效性与高效性.除此之外,人工蜂群演化算法(Kang et al.,2016)、人工神经网络(Cho,2009)、Kriging(苏永华等,2012,2013;Yi et al.,2015)和向量投影(王宇等,2011)等方法均被用来构建输入参数与输出安全系数间的函数关系.然而,上述方法或多或少存在模型构建复杂和精度不足的问题.ELM是一种单隐层前馈神经网络算法,相比于传统神经网络算法,其在预测精度、通用性和简单性方面均具有独特的优势,因此该方法在边坡稳定性工程应用中取得了良好的效果(Liu et al.,2014). ...
基于自然选择策略的PSO-BP神经网络的滑坡可靠性评价方法
1
2019
... 然而,由于存在局部最小化等问题,所以在边坡稳定性预测中常将ELM算法与其他优化算法组合使用(邵良杉等,2015;温廷新等,2018;Lu et al.,2017).粒子群优化算法(Particle Swarm Optimi-zation,PSO)是一种基于自然界鸟群觅食行为的优化算法,具有收敛速度快、参数少和高效的特点,其在神经网络优化中显示出良好的性能(Liu et al.,2015;Shi et al.,2015;Gordan et al.,2016;Xue,2016;王彪龙等,2019).若输入数据过于冗余复杂,会对神经网络模型的预测准确性和效率产生较大影响,研究表明,主成分分析法(Principle Component Analysis,PCA)可有效减少数据的冗余性(Castano et al.,2013;Jolliffe et al.,2016). ...
边坡可靠性评价的向量投影响应面研究及应用
1
2011
... 近年来,不确定性方法(如:灰色模型、模糊理论和高级学习算法)与计算机技术的结合成为边坡稳定性评价的研究热点.其中,人工智能算法得益于良好的自组织自适应性,已被逐渐应用于复杂不确定性分析模型的简化研究中,如:人工神经网络(Artificial Neutral Network,ANN)、极限学习机(Extreme Learning Machine,ELM)和支持向量机(Support Vector Machine,SVM).经过全面的样本训练后,这些方法能够较好地模拟逼近边坡评定参数与稳定状况间的隐函数,从而达到高效完成不确定性分析的目的.Hong et al.(2005)使用基于人工神经网络模型开发的SlideEval程序,分析并评估了不同倾角下的边坡稳定性变化.随后,人工智能算法被广泛应用于拟合甚至替代边坡稳定性的复杂隐函数,如:何婷婷等(2013)通过一些确定性计算获得的样本数据来训练SVM模型以逼近可靠度分析中的极限平衡功能函数,再结合蒙特卡洛法计算边坡失稳概率;谭晓慧等(2011)提出了利用SVM和RBF拟合替代原边坡安全系数与各参数指标的复杂隐函数的手段,并结合不同示例说明了二者的准确性和有效性;苏国韶等(2014)构建了基于高斯回归响应面的蒙特卡洛方法,通过3个边坡算例验证了该方法的有效性与高效性.除此之外,人工蜂群演化算法(Kang et al.,2016)、人工神经网络(Cho,2009)、Kriging(苏永华等,2012,2013;Yi et al.,2015)和向量投影(王宇等,2011)等方法均被用来构建输入参数与输出安全系数间的函数关系.然而,上述方法或多或少存在模型构建复杂和精度不足的问题.ELM是一种单隐层前馈神经网络算法,相比于传统神经网络算法,其在预测精度、通用性和简单性方面均具有独特的优势,因此该方法在边坡稳定性工程应用中取得了良好的效果(Liu et al.,2014). ...
基于SAPSO-ELM的边坡稳定性预测
1
2018
... 然而,由于存在局部最小化等问题,所以在边坡稳定性预测中常将ELM算法与其他优化算法组合使用(邵良杉等,2015;温廷新等,2018;Lu et al.,2017).粒子群优化算法(Particle Swarm Optimi-zation,PSO)是一种基于自然界鸟群觅食行为的优化算法,具有收敛速度快、参数少和高效的特点,其在神经网络优化中显示出良好的性能(Liu et al.,2015;Shi et al.,2015;Gordan et al.,2016;Xue,2016;王彪龙等,2019).若输入数据过于冗余复杂,会对神经网络模型的预测准确性和效率产生较大影响,研究表明,主成分分析法(Principle Component Analysis,PCA)可有效减少数据的冗余性(Castano et al.,2013;Jolliffe et al.,2016). ...