参考文献/References:
[1] 余晓露,郑东健.基于人工神经网络的边坡新多点监控模型[J].人民黄河,2020,42(6):117-119,129.
[2] 孙平定,蔡 润,谢成阳,等.基于遗传优化神经网络的边坡稳定性评价[J].现代电子技术,2019,42(5):75-78.
[3] 晏红波,杨 庆,任 超,等.基于EEMD的BP神经网络边坡预测研究[J].水力发电,2017,43(7):37-40.
[4] 龚 斌,唐春安.大岗山水电站右岸边坡开挖期位移预测的PBM 模型研究[J].水利与建筑工程学报,2019,17(4):130-135.
[5] 贾家银,刘宇豪,李晓军,等.基于改进PSO-BP神经网络的浅埋隧道围岩变形时序预测研究[J].水利与建筑工程学报,2021,19(5):19-22,51.
[6] 李建新,刘小生,肖海平,等.基于FCM-SVM的矿山边坡安全系数估算[J].矿业研究与开发,2019,39(10):76-79.
[7] 黄 俊,刘小生.基于GS-PSO-SVM模型的边坡稳定性预测模型[J].中国矿业,2020,29(6):87-91.
[8] 史笑凡,杨春风,王可意.基于支持向量机和改进BP神经网络的路基边坡稳定性研究[J].公路交通科技,2019,36(1):31-37.
[9] 王健伟,徐玉胜,李俊鑫.基于网格搜索支持向量机的边坡稳定性系数预测[J].铁道建筑,2019,59(5):94-97.
[10] LiuZ,GuoD,SuzanneL,etal.边坡位移智能预测算法[J].浙江大学学报(英文版)(A辑:应用物理和工程),2020,21(6):412-429.
[11] HerbertJ,HaraldH.Harnessingnonlinearity:predic-tingchaoticsystemsandsavingenergyinwirelesscom-munication[J].Science,2004,304(5667):78-80.
[12] 琚 篧,祁 林,刘 帅.基于改进乌鸦算法和ESN神经网络的短期风电功率预测[J].电力系统保护与控制,2019,47(4):58-64.
[13] 张各各,徐 珍,曾 波,等.基于SCAD-ESN的时间序列预测模型[J].工程科学与技术,2017,49(6):129-134.
[14] XueF,LiQ,ZhouH,etal.Reservoircomputingwithbothneuronalintrinsicplasticityand multi-clusteredstructure[J].CognitiveComputation,2017,9(3):400-410.
[15] LiQ,WuZ,XiaX.EstimateandcharacterizePVpow-eratdemand-sidehybridsystem[J].AppliedEnergy,2018,218(15):66-77.
[16] 黎 倩.回声状态网络的神经元模型和拓扑结构优化研究[D].重庆:重庆大学,2017:2-5.
[17] 赵洪波.边坡变形预测的群体智能模型[J].岩石力学与工程学报,2006,25(8):1664.