龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：CN117932516A
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改进耳廓狐算法的LSTM滑坡位移预测方法，由于原生耳廓狐算法其模拟的初始化种群由pop*dim个元素组成，这些元素由伪随机数生成器生成，但伪随机数生成器生成的种群并不足够均匀，会导致种群多样性低，利用Tent混沌映射优化耳廓狐算法，可以提高初始种群在搜索空间的分布均匀性，增强种群多样性。通过Tent混沌映射优化算法对耳廓狐算法的初始种群进行优化，并且利用耳廓狐算法进行局部和全局两阶段探索，可以获得最优的结果种群。将该结果种群应用于LSTM模型的训练，可以获得更优的训练参数，使LSTM模型进一步适应各类型滑坡位移数据，并模拟提高滑坡预测精度。
主权项：1.一种基于改进耳廓狐算法的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.建立于Tent混沌映射模型，初始化耳廓狐算法种群；S5.在Tent混沌映射初始化耳廓狐算法种群的基础上，采用耳廓狐算法对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.根据耳廓狐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 一种基于改进耳廓狐算法的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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号