TY -的A2 -布埃诺,Atila AU - Ma,俊威盟——妞妞,小徐盟——唐,惠明AU -王,Yankun盟,温道盟——张Junrong PY - 2020 DA - 2020/01/28 TI -的一个复杂的滑坡位移预测三峡库区(中国)使用一种混合计算智能方法SP - 2624547六世- 2020 AB -位移预测水库滑坡以来仍固有的不确定性的完整理解复杂的非线性、动态滑坡系统仍然缺乏。一个适当的量化预测的不确定性是一个关键的基础水库滑坡的位移预测和缓解。密度预测,提供一个完整的概率密度的估计未来输出,承诺的滑坡位移的不确定性量化。在目前的研究中,提出了一种混合计算智能方法建立滑坡位移的密度预测模型和量化相关预测的不确定性。混合计算智能方法包括两个步骤:首先,通过连系动词选择输入变量分析;其次,基于支持向量机分位数回归(KSVMQR)是用来执行密度预测。copula-KSVMQR方法演示了通过一个复杂的三峡库区的滑坡(TGRA),中国。实验研究表明,该copula-KSVMQR建筑密度预测方法能够通过提供完整的概率密度分布的预测以完美的表现。此外,不同类型的预测,包括区间预测和预测,可以从获得密度预测的性能。结果表明,该方法的平均预测区间宽度ZG287和ZG289 27.30和33.04,分别低于获得大约60%使用传统的bootstrap-extreme学习machine-artificial神经网络(Bootstrap-ELM-ANN)。 Moreover, the obtained point predictions show great consistency with the observations, with correlation coefficients of 0.9998. Given the satisfactory performance, the presented copula-KSVMQR approach shows a great ability to predict landslide displacement. SN - 1076-2787 UR - https://doi.org/10.1155/2020/2624547 DO - 10.1155/2020/2624547 JF - Complexity PB - Hindawi KW - ER -