《表1 左岸边坡浅部变形监测位移数据》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《应用混合核PSO-KELM模型预测边坡位移》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由表2的预测对比结果可见，本文提出的混合核PSO-KELM模型的预测精度高于混合核PSO-LSSVM主传统高斯核函数SVM模型。而PSO-KELM方法和PSO-LSSVM方法的预测精度均明显高于SVM，两者的预测精度基本属同一水平。混合核PSO-KELM模型完成7次滚动单步预报的时间约为26 s。在文献[9]中，混合核函数PSO-LSSVM模型的平均执行时间为39.8 s。由于本文和文献[9]中的方法实现环境不同，故无法进行直接的时间比较。但在同一试验环境下不借助于PSO算法的情况下，给定核参数后KELM完成一次预测的平均执行时间为0.003 s，而单核（仅高斯核）LSSVM平均执行时间约为0.0184 s；且根据文献[5]中的大量试验结果也表明，KELM方法在多数情况下可花费比LSSVM更少的时间开销。因此，一般情况下可认为在同等的环境下利用同等的智能算法优化后，混合PSO-KELM模型的计算速度比混合PSO-LSSVM更快。由此可知混合核PSO-KELM不但拥有较高的预测精度，且拥有更快的计算速度，可满足工程中“快速准确”的要求。