基于GA-QPSO-ELM的边坡位移组合预测

作     者：傅嘉辉 张夫龙 张学超 闫少霞 FU Jia-hui;ZHANG Fu-long;ZHANG Xue-chao;YAN Shao-xia

作者机构：国网新源集团有限公司富春江水力发电厂浙江杭州311000 广州南方测绘科技股份有限公司广东广州510000 

出 版 物：《自动化技术与应用》 (Techniques of Automation and Applications)

年 卷 期：2025年第44卷第1期

页      面：53-56页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：广东省重点领域研发计划项目(232023021021900001) 国网新源集团有限公司科技项目资助项目(SGXYKJ-2022-057) 

主　　题：边坡位移 组合预测 极限学习机 遗传算法 量子粒子群算法 

摘      要：为了提高水利工程边坡位移预测精度,在QPSO算法寻优过程中引入遗传算法的交叉和变异操作,形成GA-QPSO算法。采用GA-QPSO算法对ELM参数进行优化,建立基于GA-QPSO-ELM的边坡位移组合预测模型,采用实际水利工程的边坡位移监测数据进行仿真分析,并与其他边坡位移预测方法进行对比。结果表明,GA-QPSO-ELM组合模型的平均相对误差为1.186%,预测精度高于其他方法,验证了模型的正确性和优越性。