[发明专利]滑坡变形的Elman神经网络动态预测方法

摘要

本发明公开了滑坡变形的Elman神经网络动态预测方法，涉及滑坡预测技术领域，将Elman神经网络的动态特性应用到滑坡变形动态预测中，建立基于Elman神经网络的滑坡变形动态预测模型，并将该模型应用到中区滑坡变形监测点的加速变形预测实例中，预测结果表明变形预测结果与实测值趋势基本一致，预测结果精度高，并且基于Elman神经网络的滑坡变形预测模型有很强的动态特性和自适应能力，可以根据滑坡实时变形状态对滑坡变形进行动态预测，且预测结果准确率高。

主权项

滑坡变形的Elman神经网络动态预测方法，其特征在于，所述方法包括以下步骤：按照下式(1)、(2)和(3)建立Elman神经网络：x(k)＝f(w1xc(k)+w2(u(k‑1)))   (1)xc(k)＝αxc(k‑1)+x(k‑1)   (2)y(k)＝g(w3x(k))   (3)其中k表示时刻，连接权w1为承接层与隐含层的连接权矩阵，w2为输入层与隐含层的连接权矩阵，w3为隐含层与输出层的连接权矩阵，xc(k)和x(k)分别表示承接层的输出和隐含层的输出，y(k)表示输出层的输出，0≤α<1为自连接反馈增益因子，f(x)为隐含层的传递函数，g(x)为输出层函数；设定输入层、输出层和隐含层的节点数量，选择隐含层传递函数和输出层传递函数，并设定训练误差和步数；输入滑坡变形历史监测数据作为数据样本，对所述Elman神经网络进行训练；将当前实际监测数据输入训练好的Elman神经网络，预测得到下一时刻的预测值。