您当前的位置：
首页 >
文章列表页 >
基于变分模态分解和灰狼优化极限学习机的隧道口边坡位移预测
交通运输工程·土木工程 | 更新时间：2025-05-26

    • 基于变分模态分解和灰狼优化极限学习机的隧道口边坡位移预测

    • Displacement prediction of tunnel entrance slope based on variational modal decomposition and grey wolf optimized extreme learning machine

    • “在高铁隧道口边坡位移监测领域，专家建立了VMD-GWO-ELM模型，验证了其高预测精度及适用性，为解决位移监测问题提供解决方案。”
    • 吉林大学学报（工学版）   2023年53卷第6期 页码：1853-1860
    • 作者机构：

      1.大连交通大学 交通运输工程学院， 辽宁 大连 116028

      2.大连交通大学 辽宁省高寒地区高铁技术工程研究中心， 辽宁 大连 116028

      3.郑州铁路职业技术学院 电气工程学院， 郑州 450002

    • 作者简介：

      李博（1975-），女，副教授.研究方向：交通运输安全.E-mail：libo116028@djtu.edu.cn

    • 基金信息：
      辽宁省教育厅科学研究项目(LJKZ0507)

    • DOI：10.13229/j.cnki.jdxbgxb.20230074    

      中图分类号： X928.03

    • 收稿：2023-01-28，

      纸质出版：2023-06-01

    移动端阅览

  • 李博,李欣,芮红等.基于变分模态分解和灰狼优化极限学习机的隧道口边坡位移预测[J].吉林大学学报（工学版）,2023,53(06):1853-1860. DOI： 10.13229/j.cnki.jdxbgxb.20230074.

    LI Bo,LI Xin,RUI Hong,et al.Displacement prediction of tunnel entrance slope based on variational modal decomposition and grey wolf optimized extreme learning machine[J].Journal of Jilin University(Engineering and Technology Edition),2023,53(06):1853-1860. DOI： 10.13229/j.cnki.jdxbgxb.20230074.

  •  
  •  

0

浏览量

26

下载量

3

CSCD

文章被引用时，请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

基于变分模态分解和极端梯度提升的公路边坡位移预测
基于黏聚区模型的沥青混凝土SCB试验模拟分析
基于改进VME算法和mRVM的滚动轴承小样本复合故障诊断
南方湿热地区煤矸石-红黏土路基的强度与变形特性
考虑自动驾驶小客车的高速公路施工区上游过渡区间距

相关作者

龙志友
万昭龙
董是
杨超
刘肖扬
周正峰
唐虎城
欧信旺

相关机构

长安大学 运输工程学院
道路基础设施数字化教育部工程研究中心
陕西高速公路工程试验检测有限公司
长安大学 公路学院
西南交通大学 土木工程学院
0