申请/专利权人:成都航空职业技术学院
申请日:2024-01-26
公开(公告)日:2024-04-26
公开(公告)号:CN117932515A
主分类号:G06F18/2433
分类号:G06F18/2433;G06F18/15;G06N3/0442;G06N3/084;G06N3/006
优先权:
专利状态码:在审-公开
法律状态:2024.04.26#公开
摘要:本发明涉及滑坡位移预测技术领域,具体涉及是一种基于优化蜣螂算法的LSTM滑坡位移预测方法,采用Logistic混沌映射对原生蜣螂算法进行种群初始化优化,解决原生蜣螂算法初始种群分布不均匀、全局探索和局部开发能力不平衡、易陷入局部最优的问题,并采用基于Logistic混沌映射优化的蜣螂算法对LSTM模型滑动窗口长度、神经元个数及丢弃率等超参数进行优化,建立LSTM模型,采用实际滑坡监测数据对模型进行训练,然后对滑坡位移数据进行预测并评估模型精度,解决了现有模型泛化能力较弱、预测精度不高,同时优化算法容易陷入局部最优,致使LSTM网络结构不能适应实际滑坡位移预测的问题。
主权项:1.一种基于优化蜣螂算法的LSTM滑坡位移预测方法,其特征在于,包括以下步骤:S1.采集滑坡位移数据,构建滑坡位移样本原始数据集;S2.对滑坡位移样本原始数据集进行预处理,得到滑坡位移样本数据集,并将滑坡位移样本数据集划分为训练集和测试样本集;S3.建立初始化LSTM网络模型,并设计LSTM模型超参数向量结构;S4.建立Logistic混沌映射模型,初始化蜣螂算法种群;S5.在Logistic混沌映射初始化蜣螂算法种群的基础上,采用蜣螂算法对LSTM模型滑动窗口长度、神经元个数及丢弃率等超参数进行寻优;S6.根据蜣螂算法寻优得到的最优超参数,进行LSTM模型训练,将待测试的滑坡位移的特征数据代入最终的LSTM模型,得到预测结果并计算均方误差。
全文数据:
权利要求:
百度查询: 成都航空职业技术学院 一种基于优化蜣螂算法的LSTM滑坡位移预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。