基于混沌遗传算法优化的LS-SVM边坡位移预测

LS-SVM Slope Displacement Prediction Based on Chaos Genetic Algorithm Optimization

利用边坡监测位移的时间序列来预测边坡未来变形,能有效评价边坡的稳定性。以边坡位移时间序列为基础,采用最小二乘支持向量机(LS-SVM)建立位移预测模型,并考虑到最小二乘支持向量机的参数选择会对建模结果产生较大影响,提出采用变尺度混沌遗传优化算法对LS-SVM建模过程中的参数进行优化。该算法主要的思想是采用混沌变量种群映射到LS-SVM参数取值区间,对经过一次遗传操作的群体进行混沌搜索寻优,引导种群快速进化。最后将该模型应用于实际边坡工程位移预测中,并与常规遗传算法参数优化进行比较,结果表明,该方法的收敛速度更快,预测精度更高,具有较好的适用性。