混沌序列PSO-RBF耦合模型在滑坡位移预测中的应用

摘要

滑坡位移系统的发展演化受到多种不确定性因素的影响,可能存在非线性特征.而同时包含了确定性和非确定性分析的混沌理论,能有效阐释滑坡位移序列复杂的非线性过程.首先对滑坡位移序列进行混沌分析,揭示其内在演化机理；在相空间重构的基础上,再采用拟合和泛化能力较好的径向基(RBF)网络对其位移值进行实时动态预测,针对RBF网络存在参数选取困难的问题,运用粒子群算法(PSO)对RBF网络的参数进行优选.提出了基于混沌理论的PSO-RBF滑坡位移预测模型.经过实例验证,并与粒子群优化的BP神经网络(PSO-BP)和单独RBF网络进行对比,表明滑坡位移序列确实存在混沌特性且PSO-RBF模型预测精度更高、效果更好.