论文部分内容阅读
针对传统的BP和RBF等智能算法在进行矿区地表变形预测时易出现学习速度慢、易陷入局部极小和网络结构中参数选取不准确等问题,提出了一种基于微粒群优化(Particle Swarm Optimization,PSO)极限学习机(Extreme Learning Machine,ELM)的矿区地表变形预测模型,利用PSO算法优化ELM中的连接权值和阈值,从而提高模型最后预测的精度。以山西省某矿区的地表变形监测数据为例,将PSOELM与BP、RBF和未经优化的ELM模型预测结果进行对比,实验结果表明:PSO