基于改進麻雀優(yōu)化與SVR滑坡位移預測

摘要： 針對滑坡位移具有高度非線性和復雜性，難以利用傳統(tǒng)優(yōu)化算法結合人工智能方法進行更合理、準確的預測建模的問題，本文提出一種Lévy飛行策略的混沌麻雀優(yōu)化算法(CLSSA)-變分模態(tài)分解(VMD)-支持向量回歸(SVR)的滑坡位移預測模型。首先利用CLSSA優(yōu)化VMD分解參數(shù)對滑坡位移時間序列進行分解，其次采用CLSSA-SVR模型對VMD分解子序列進行預測，最后通過疊加子序列預測數(shù)... （共9頁）