基于VMD模型和BSA-KELM模型的高陡边坡位移预测模型研究

边坡位移的时间序列曲线存在复杂的非线性特征,传统的预测模型精度不足以满足现行的预测要求。为此本文提出了基于变分模态分解的鸟群优化-核极限学习机的预测模型,并对河北省某水泥厂的边坡位移进行预测。首先,采用VMD程序把边坡位移序列分解为一系列有限带宽的子序列;其次,对各子序列分别采用相空间重构,并利用核极限学习机进行预测,采用鸟群算法优化相空间重构的嵌入维度、KELM中惩罚系数和核参数三个数值,以取得最优预测模型;最后,将各个子序列预测值叠加,得到边坡位移的最终预测值。结果表明,与KELM模型、BSA-KELM模型、EEMD-BSA-KELM模型相比,基于VMD模型的BSA-KELM模型预测精度更高,为边坡位移的预测提供一种更有效的方法。