基于熵权法优化组合的PSO-SVR-NGM边坡位移预测

基于边坡监测数据建立数学模型,是边坡变形和稳定性分析的重要方法.但是单一预测模型的形式和应用范围具有一定的确定性,不同模型对数据的利用程度也有所差别,往往不能充分运用已知信息,导致模型精度不高,适用性不强.针对单一预测模型存在的问题,提出一种基于熵权法的PSO-SVR-NGM优化组合模型.该模型结合高精度变权缓冲NGM(1,1,k,c)模型和PSO-SVR模型,能够减小单一预测模型的误差,大幅度提高预测精度.首先通过引入变权缓冲算子λ和背景值权重系数η、κ改进无偏NGM(1,1,k,c)模型,构建新的3参数变权缓冲NGM(1,1,k,c)模型.结合最大灰色关联度和最小平均相对拟合误差重新构造粒子群算法的适应度函数,利用改进的粒子群算法对提出的变权缓冲模型进行搜索寻优,确定最佳的参数组合.然后通过熵权法对改进的变权缓冲NGM(1,1,k,c)模型和PSO-SVR模型进行赋权建立优化组合模型.最后,将该组合模型应用于3个不同变形特征的边坡工程中,并与其他单一模型进行对比分析.结果表明,相对于单一模型,本文所提出的组合模型的拟合和预测误差较小,与原始位移数据的相关性较好,能够更真实地反映边坡变形规律,具有较强的工程适应性.同时组合模型的提出与发展也促进了单一模型的优化改进,为解决实际工程问题提供了良好的思路.