基于SSA-ELM算法的基坑地表沉降预测OA北大核心CSTPCD

针对传统的极限学习机算法(ELM)在进行深基坑的地表沉降预测时易陷入局部极小、网络结构中参数选取不准确及预测精度不佳等问题,提出了一种基于麻雀搜索算法(SSA)优化极限学习机算法的基坑地表沉降预测模型。根据麻雀搜索算法收敛速度快、寻优能力与稳定性较强等特点,对极限学习机算法中的连接权值与阈值进行优化,并将优化后的模型应用于基坑的地表沉降预测。将麻雀搜索算法优化后的极限学习机算法(SSA-ELM)与ELM、 GA-ELM、 PSO-ELM算法进行预测精度对比,结果表明:SSA-ELM算法的预测精度高于ELM、 GA-ELM、 PSO-ELM算法,且其稳定性更强,在基坑的地表沉降预测方面效果更好,实现了提高预测精度的目的,具有一定的可行性和实用性。