极限学习机与弹性网络支持下的大坝变形预测

摘要

针对使用传统极限学习机实现大坝变形预测中,因影响因子复杂导致隐藏层个数难以确定的问题,该文提出一种基于极限学习机与弹性网络支持下的大坝变形预测模型。采用极限学习机算法,将大坝变形影响因子由原本的空间映射到极限学习机的特征空间,建立影响因子与变形结果之间的非线性联系,同时将非线性模型转换成一个线性模式求解问题,并使用弹性网络求解该模型。对比基于极限学习机回归与最小二乘回归算法的实验表明:弹性网络拥有更好的稳定性,改善了极限学习机难以处理的过拟合现象,减弱了因训练集样本不同造成的预测误差大的影响,只需任意设置足够数量的隐含层神经元个数就能得到可靠的预测结果,简化了基于极限学习机的大坝变形预测面临的隐含层神经元个数取舍问题。