期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到61篇文章
< 1 2 … 4 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于EEMD-CNN-LSTM的新型综合模型在滑坡位移预测中的应用
1
作者 刘航源 陈伟涛 +2 位作者 李远耀 徐战亚 李显巨 《地质力学学报》 CSCD 北大核心 2024年第4期633-646,共14页
滑坡位移预测是滑坡稳定性评价的重要环节。尽管基于深度学习范式的时间序列方法预测滑坡位移取得了一定的成果,但由于滑坡位移数据的非平稳性、周期性和趋势性变化特征,导致当前时间序列模型的滑坡位移的多变量预测容易过拟合。为解决... 滑坡位移预测是滑坡稳定性评价的重要环节。尽管基于深度学习范式的时间序列方法预测滑坡位移取得了一定的成果,但由于滑坡位移数据的非平稳性、周期性和趋势性变化特征,导致当前时间序列模型的滑坡位移的多变量预测容易过拟合。为解决这一问题,针对滑坡位移数据的波动性和由周期项与趋势项位移叠加组成的特性,提出一种基于孤立森林(Isolation Forest,IF)异常检测、集成经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)、卷积神经网络(Convolutional Neural Networks,CNN)和长短期记忆神经网络(Long Short-Term Memory,LSTM)相结合的滑坡位移预测模型。选择三峡库区以降雨为影响因子的阶跃型白家包滑坡为研究对象,引入IF算法对滑坡原始位移数据进行异常检测,使用EEMD方法提取滑坡趋势项和周期项位移,通过CNN捕捉局部周期项和趋势模式,并基于LSTM模型预测总体位移。结果表明,EEMD-CNN-LSTM在预测降雨情况时滑坡总体位移的均方根误差(RMSE)、平均绝对误差(MAE)、评价绝对百分比误差(MAPE)和决定系数(R2)4种指标分别为0.4190、0.3139、0.2379和0.9997,前3种精度评价指标较现有模型分别提升32.3%、25.1%、7.3%。相较于传统的LSTM模型、随机森林方法和EEMD-LSTM方法,EEMD-CNN-LSTM模型在有、无降雨这一外部影响因素下具有显著优势,能够较大地降低过拟合,提高预测的准确性。 展开更多
关键词 滑坡位移预测 时间序列模型 卷积神经网络 集合经验模态分解 深度学习
下载PDF
基于SVR的滑坡位移研究 被引量：2
2
作者 刘小珊 罗文强 +1 位作者 李飞翱 王成勇 《长江大学学报（自科版）（上旬）》 2013年第2期76-78,90,共4页
滑坡位移具有非线性特征,针对单变量的时间序列,首先引入相空间重构理论,将其扩展到多维的相空间中。再结合数据挖掘中的机器学习算法——支持向量回归算法(SVR)建立预测模型,并对李家湾滑坡的水平位移进行预测。试验结果表明,该模型具... 滑坡位移具有非线性特征,针对单变量的时间序列,首先引入相空间重构理论,将其扩展到多维的相空间中。再结合数据挖掘中的机器学习算法——支持向量回归算法(SVR)建立预测模型,并对李家湾滑坡的水平位移进行预测。试验结果表明,该模型具有非常高的精度(均控制在94%以上),可以充分的应用于滑坡灾害的预测和预报。 展开更多
关键词 滑坡水平位移 相空间重构 支持向量回归 预测
下载PDF
基于VMD-Kalman-GM组合模型的滑坡位移预测
3
作者 马亮亮 《城市勘测》 2024年第4期190-194,共5页
滑坡位移的预测与分析能为滑坡灾害的预警提供重要数据支持作用,针对受降雨影响存在波动发展的滑坡位移序列,为了提高降雨对滑坡位移影响的预测效果,文章建立了一种变分模态分解(VMD)算法和卡尔曼滤波(Kalman)、改进灰色模型(GM)组合预... 滑坡位移的预测与分析能为滑坡灾害的预警提供重要数据支持作用,针对受降雨影响存在波动发展的滑坡位移序列,为了提高降雨对滑坡位移影响的预测效果,文章建立了一种变分模态分解(VMD)算法和卡尔曼滤波(Kalman)、改进灰色模型(GM)组合预测的方法,文章基于变分模态分解算法将滑坡地表监测位移序列分解不同频率分量,经过时序组合得到波动值和趋势值,在确定波动值与降雨数值时滞相关性的条件下,提出了一种考虑降雨数值的变化趋势的卡尔曼滤波预测模型,建立降雨时间滞后影响下的卡尔曼滤波预测模型,利用该模型进行滑坡位移波动值的动态预测,同时建立动态灰色预测模型预测趋势值,最后波动值和趋势值合成得到滑坡预测数值,建立了VMD-Kalman-GM组合预测模型。以中国三峡库区八字门滑坡监测数据为例,将预测结果与实测值进行比较,验证了该方法的可行性和准确性,为滑坡位移的预测提供了一种新的方法。 展开更多
关键词 滑坡累计位移预测 变分模态分解 时滞 卡尔曼滤波模型 动态灰色预测模型 组合预测
下载PDF
基于集合经验模态分解与支持向量机回归的位移预测方法:以三峡库区滑坡为例 被引量：45
4
作者 邓冬梅 梁烨 +4 位作者 王亮清 王昌硕 孙自豪 王聪 董曼曼 《岩土力学》 EI CAS CSCD 北大核心 2017年第12期3660-3669,共10页
三峡库区滑坡地表位移-时间曲线多呈台阶型特征。基于位移响应成分模型的滑坡位移预测方法是该类滑坡位移预测的主要方法之一。针对目前水库滑坡波动项位移预测工作中尚未考虑主要诱发因素的高频成分与低频成分的问题,提出了基于时间序... 三峡库区滑坡地表位移-时间曲线多呈台阶型特征。基于位移响应成分模型的滑坡位移预测方法是该类滑坡位移预测的主要方法之一。针对目前水库滑坡波动项位移预测工作中尚未考虑主要诱发因素的高频成分与低频成分的问题,提出了基于时间序列集合经验模态分解(EEMD)与重构的粒子群优化-支持向量机回归(PSO-SVR)位移预测方法。以白水河滑坡2003年7月至2013年3月117个地表位移数据为例,采用EEMD法将位移时间序列分解为趋势项位移和波动项位移,该趋势项位移用最小二乘法的二次多项式拟合预测;根据EEMD和t检验法,确定高频降雨量、低频降雨量、高频库水位和低频库水位,结合其他常用因素,采用灰色关联分析确定白水河滑坡影响波动项位移的优势因素为高频降雨量和月间库水位变化,基于优势因素建立PSO-SVR模型预测波动项位移。结果表明,总预测值的平均相对误差为0.009 8,方差比为0.023 9,小误差概率为1,预测效果较好。利用该方法对三峡库区其他5个台阶型滑坡进行了预测,预测位移与实测位移较吻合,进一步证明了该方法的有效性,对同类滑坡的预测预报具有一定的借鉴意义。 展开更多
关键词 三峡库区 滑坡位移预测 诱发因素 集合经验模态分解 PSO-SVR
下载PDF
基于变分模态分解与GWO-MIC-SVR模型的滑坡位移预测研究 被引量：40
5
作者 李麟玮 吴益平 +2 位作者 苗发盛 廖康 张龙飞 《岩石力学与工程学报》 EI CAS CSCD 北大核心 2018年第6期1395-1406,共12页
针对目前滑坡位移预测研究中存在的随机性位移无法分解与预测、支持向量机(SVR)模型中输入向量权值无差异、最优训练组合无法确定等问题,基于时序分析理论和变分模态分解(VMD),结合灰狼优化算法(GWO)、最大信息系数(MIC)和SVR,提出一种... 针对目前滑坡位移预测研究中存在的随机性位移无法分解与预测、支持向量机(SVR)模型中输入向量权值无差异、最优训练组合无法确定等问题,基于时序分析理论和变分模态分解(VMD),结合灰狼优化算法(GWO)、最大信息系数(MIC)和SVR,提出一种新型滑坡位移预测模型。该模型首先采用时序分析法和VMD,将滑坡实际累积位移分解为趋势性位移、周期性位移和随机性位移。然后基于滑坡对各类影响因素的响应分析,为3种位移选择合适的影响因子,并采用GWO-MIC-SVR模型对各位移分量进行多数据驱动的动态单步预测。最终基于训练数据的时效性分析,确定最优训练组合,并应用时序加法模型将最优预测值进行叠加,实现对滑坡累积位移的预测。以三峡库区典型堆积层滑坡——白水河滑坡为例,选取监测点ZG93和ZG118从2004年1月~2013年4月的数据进行研究。结果表明,与以往的研究相比,该模型不仅有效预测时间较长,且预测精度较高,具有较高的实用性和推广应用价值。 展开更多
关键词 边坡工程 滑坡位移预测 变分模态分解 灰狼优化 最大信息系数 支持向量回归
原文传递
基于地表监测数据和非线性时间序列组合模型的滑坡位移预测 被引量：28
6
作者 郭子正 殷坤龙 +1 位作者 黄发明 梁鑫 《岩石力学与工程学报》 EI CAS CSCD 北大核心 2018年第A01期3392-3399,共8页
针对滑坡位移–时间曲线的非线性特征和以往预测模型的不足,提出基于地表监测数据和非线性时间序列分析的组合模型预测滑坡位移。以新滩滑坡和三舟溪滑坡为例,通过对位移、降雨、库水位等资料的分析,研究滑坡的变形特征及影响因素。在... 针对滑坡位移–时间曲线的非线性特征和以往预测模型的不足,提出基于地表监测数据和非线性时间序列分析的组合模型预测滑坡位移。以新滩滑坡和三舟溪滑坡为例,通过对位移、降雨、库水位等资料的分析,研究滑坡的变形特征及影响因素。在利用逆序法和小波分析检验滑坡位移的趋势特征和周期特征的基础上,采用非线性组合模型进行预测,包括利用多项式拟合并预测趋势项位移;用一种基于小波分析的三角函数法(WA-TF)对周期项位移进行预测;遗传算法优化选参的BP神经网络(GA-BP)对波动项位移进行预测。最终将各位移分量累加得到滑坡的累积位移预测值,并与监测值进行对比分析。结果表明非线性组合模型的预测精度高且具有较好的通用性,为滑坡位移定量预测提供了一种可行的思路。 展开更多
关键词 边坡工程 滑坡位移预测 时间序列 非线性组合模型 小波分析 遗传算法 BP神经网络
原文传递
基于时间序列与GWO-ELM模型的滑坡位移预测 被引量：23
7
作者 廖康 吴益平 +2 位作者 李麟玮 苗发盛 薛阳 《中南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2019年第3期619-626,共8页
针对三峡库区的阶跃型滑坡位移特征,以白水河滑坡为例,提出一种基于时间序列和灰狼优化的极限学习机(GWO-ELM)位移预测模型。首先,根据滑坡的内在演化规律和外部影响因素,建立滑坡位移的时间序列模型,将监测位移分解为趋势性位移和周期... 针对三峡库区的阶跃型滑坡位移特征,以白水河滑坡为例,提出一种基于时间序列和灰狼优化的极限学习机(GWO-ELM)位移预测模型。首先,根据滑坡的内在演化规律和外部影响因素,建立滑坡位移的时间序列模型,将监测位移分解为趋势性位移和周期性位移,并运用稳健加权最小二乘法的三次多项式对趋势性位移进行拟合,以此得到周期性位移。其次,对位移监测数据进行分析,选取周期性位移的影响因子,分别通过GWO-ELM、极限学习机(ELM)和灰狼优化的支持向量机(GWO-SVM)模型对周期性位移进行预测。研究结果表明:GWO-ELM预测模型具有良好的泛化能力,能有效减少人为误差,在预测精度上,明显优于ELM和GWO-SVM模型。基于时间序列与GWO-ELM位移预测模型具有较高的预测精度和泛化能力,是一种有效的滑坡位移预测方法。 展开更多
关键词 滑坡位移预测 时间序列 GWO-ELM模型 趋势性位移 周期性位移
下载PDF
基于改进麻雀搜索算法-核极限学习机耦合算法的滑坡位移预测模型 被引量：21
8
作者 马飞燕 李向新 《科学技术与工程》 北大核心 2022年第5期1786-1793,共8页
传统的位移预测模型需要大量数据作为原始训练样本,一定程度上限制了预测模型的应用。为在有限的位移监测数据下进一步提高预测精度,针对金沙江沿岸某长期变形的滑坡体,采用麻雀搜索算法(sparrow search algorithm,SSA),结合核极限学习... 传统的位移预测模型需要大量数据作为原始训练样本,一定程度上限制了预测模型的应用。为在有限的位移监测数据下进一步提高预测精度,针对金沙江沿岸某长期变形的滑坡体,采用麻雀搜索算法(sparrow search algorithm,SSA),结合核极限学习机算法(kernel-based extreme learning machine,KELM)算法,对滑坡的位移变化提出一种新的多变量位移预测方法,并与传统的支持向量机(support vector machine,SVM)进行对比,结果显示改进的SSA-KELM耦合滑坡预测模型比SVM模型预测精度更高,对金沙江沿岸地区的滑坡具有良好的位移预测效果。 展开更多
关键词 核极限学习机 麻雀搜索算法 滑坡位移预测 小波变换 全球定位系统
下载PDF
“阶跃式”滑坡位移预测及阈值分析的ARMA-(LASSO-ELM)-Copula模型 被引量：16
9
作者 李骅锦 许强 +1 位作者 何雨森 朱星 《岩石力学与工程学报》 EI CAS CSCD 北大核心 2017年第A02期4075-4084,共10页
滑坡位移预测的重点内容是提高预测精度及提取阈值,基于该认识及已有研究,建立ARMA-(LASSOELM)-Copula模型,并选取白水河滑坡这一典型"阶跃式"滑坡为研究案例。首先,运用ARMA模型中的ACF值分析月降雨量与月库水位变化的周期性... 滑坡位移预测的重点内容是提高预测精度及提取阈值,基于该认识及已有研究,建立ARMA-(LASSOELM)-Copula模型,并选取白水河滑坡这一典型"阶跃式"滑坡为研究案例。首先,运用ARMA模型中的ACF值分析月降雨量与月库水位变化的周期性,并通过PPMCC分析位移月增量与一个周期内诱因数据(月降雨量,月库水位变化)的滞后相关性;然后,建立以所有诱因正相关滞后项为预测模型的输入项,以位移月增量为目标的LASSO-ELM滑坡位移预测模型,将预测所得位移增量累加得到位移预测值;最后,基于诱因值与滑坡位移预测值,比选得到最优Copula函数之后,分别建立其联合分布函数,并提取阀值。结果表明,ARMA联合LASSO-ELM的位移预测模型具有较高精度,明显优于SVR、NN、ELM等模型;选取Gumbel-Hougaard Copula函数可描述案例诱因数据与位移预测值的联合分布,并能提取诱因阈值和对应的位移风险值。 展开更多
关键词 边坡工程 滑坡位移预测 周期性 ARMA LASSO-ELM Gumbel-Hougaard COPULA 阈值分析
原文传递
阶跃型位移特征滑坡时间预测预报研究 被引量：15
10
作者 汤罗圣 殷坤龙 杜鹃 《地质科技情报》 CAS CSCD 北大核心 2012年第4期106-110,共5页
滑坡时间预测预报目前主要以滑坡最终破坏的时间为目标函数,但对于变形特征为阶跃型的滑坡却难以准确地预测其破坏时间。为此,提出以位移作为此类滑坡时间预报的目标函数。将滑坡位移分解为蠕变位移和波动位移,采用二次移动平均法分别提... 滑坡时间预测预报目前主要以滑坡最终破坏的时间为目标函数,但对于变形特征为阶跃型的滑坡却难以准确地预测其破坏时间。为此,提出以位移作为此类滑坡时间预报的目标函数。将滑坡位移分解为蠕变位移和波动位移,采用二次移动平均法分别提取,然后采用多项式拟合和灰色GM(1,1)模型分别对蠕变位移和波动位移进行预测,最后将两部分预测位移相加得到滑坡预测的总位移。以典型阶跃型位移特征滑坡——三峡库区八字门滑坡为例,运用其位移监测数据进行验证,并对多模型预测结果进行对比分析,结果表明,该位移预测模型预测精度良好,能较好地预测阶跃型位移特征滑坡位移。 展开更多
关键词 滑坡位移预测 阶跃型 蠕变位移 波动位移 灰色GM(1 1)模型
下载PDF
基于时间序列和CNN-LSTM的滑坡位移动态预测 被引量：14
11
作者 王朝阳 李丽敏 +2 位作者 温宗周 张明岳 魏雄伟 《国外电子测量技术》 北大核心 2022年第3期1-8,共8页
针对滑坡演化的动态特性以及静态预测模型的不足,提出一种基于时间序列与卷积长短期记忆神经网络(CNN-LSTM)的滑坡位移动态预测模型。首先,在利用曼-肯德尔(Mann-Kendall)趋势检验法检验滑坡位移的趋势特征的基础上,采用二次移动平均法... 针对滑坡演化的动态特性以及静态预测模型的不足,提出一种基于时间序列与卷积长短期记忆神经网络(CNN-LSTM)的滑坡位移动态预测模型。首先,在利用曼-肯德尔(Mann-Kendall)趋势检验法检验滑坡位移的趋势特征的基础上,采用二次移动平均法将滑坡累积位移分解为趋势项位移和周期项位移,并采用最小二乘多项式函数拟合趋势项位移。然后,采用频谱图检验滑坡位移的周期特征,对周期项位移采用CNN-LSTM混合网络模型进行预测。最后,将两者预测值叠加得到累积位移预测值。该模型在中国三峡库区八字门滑坡得到了验证。实验结果表明,与当前常见的预测模型相比,所提方法的能有效对滑坡位移进行预测,且在周期项位移预测方面相较于经典BP神经网络,LSTM网络以及“门循环”(gated recurrent unit,GRU)网络模型,CNN-LSTM网络模型有更高的预测精度。 展开更多
关键词 滑坡位移预测 时间序列 卷积长短期记忆神经网络 八字门滑坡
下载PDF
基于小波分析和灰色BP神经网络的滑坡位移预测 被引量：15
12
作者 岳强 袁洁 胡涛 《水电能源科学》 北大核心 2019年第10期88-91,共4页
滑坡位移时间序列预测对滑坡灾害预警和防治具有重要意义。滑坡位移时间序列具有高度的非线性特征,含有大量噪音且采用常规非线性模型难以准确预测。对此,提出基于小波分析(WA)-灰色BP神经网络的滑坡位移预测模型。该模型先采用小波分... 滑坡位移时间序列预测对滑坡灾害预警和防治具有重要意义。滑坡位移时间序列具有高度的非线性特征,含有大量噪音且采用常规非线性模型难以准确预测。对此,提出基于小波分析(WA)-灰色BP神经网络的滑坡位移预测模型。该模型先采用小波分析法将滑坡位移时间序列分解为不同频率分量的滑坡子位移,然后采用灰色BP神经网络对各滑坡子位移进行预测,在此基础上将预测得到的各子位移值相加,最终得到预测出的滑坡位移值。以GPS监测获得的郑家大沟滑坡#1监测点的位移时间序列为例,采用WA-灰色BP神经网络模型对其位移进行预测,并与WA-BP神经网络模型及未进行小波分析的单独灰色BP神经网络模型进行对比分析。结果表明,WA-灰色BP神经网络模型准确预测出郑家大沟滑坡#1监测点的位移值,且具有比WA-BP神经网络模型和单独灰色BP神经网络模型更高的预测精度。 展开更多
关键词 滑坡位移 时间序列预测 小波分析 灰色BP神经网络 GPS
下载PDF
基于优化经验模态分解和聚类分析的滑坡位移智能预测研究 被引量：15
13
作者 张凯 张科 +2 位作者 保瑞 刘享华 齐飞飞 《岩土力学》 EI CAS CSCD 北大核心 2021年第1期211-223,共13页
针对三峡库区"阶跃式"滑坡的变形特征,提出了一种新的滑坡位移预测方法。以白水河滑坡ZG118和XD-01监测点位移数据为例,采用基于软筛分停止准则的经验模态分解(SSSC-EMD)将累计位移-时间曲线和影响因子时间序列自适应地分解... 针对三峡库区"阶跃式"滑坡的变形特征,提出了一种新的滑坡位移预测方法。以白水河滑坡ZG118和XD-01监测点位移数据为例,采用基于软筛分停止准则的经验模态分解(SSSC-EMD)将累计位移-时间曲线和影响因子时间序列自适应地分解为多个固有模态函数(IMF),并采用K均值(K-Means)聚类法对其进行聚类累加,得到有物理含义的位移分量(趋势性位移、周期性位移以及随机性位移)和影响因子分量(高频影响因子和低频影响因子)。使用最小二乘法对趋势性位移进行拟合预测;采用果蝇优化-最小二乘支持向量机(FOA-LSSVM)模型对周期性位移和随机性位移进行预测。将各位移分量预测值进行叠加处理,实现滑坡累计位移的预测。研究结果表明,所提出的(SSSC-EMD)-K-Means-(FOA-LSSVM)模型能够预测"阶跃式"滑坡的位移变化规律,且预测精度高于传统的支持向量机回归(SVR)、最小二乘支持向量机(LSSVM)模型;并通过改变训练集长度,进行单因素分析,发现其与预测精度之间呈正相关关系。 展开更多
关键词 滑坡位移预测 经验模态分解 软筛分停止准则 聚类分析 果蝇优化 最小二乘支持向量机
下载PDF
基于粒子群-变分模态分解、非线性自回归神经网络与门控循环单元的滑坡位移动态预测模型研究 被引量：12
14
作者 姜宇航 王伟 +3 位作者 邹丽芳 王如宾 刘世藩 段雪雷 《岩土力学》 EI CAS CSCD 北大核心 2022年第S01期601-612,共12页
以三峡库区八字门阶跃型滑坡为例,针对静态机器学习模型在周期项位移预测中的不足以及高频随机项位移预测困难等问题,提出了一种新的滑坡位移预测方法。基于时间序列分解思想,采用粒子群算法(PSO)对变分模态分解(VMD)进行参数寻优,并将... 以三峡库区八字门阶跃型滑坡为例,针对静态机器学习模型在周期项位移预测中的不足以及高频随机项位移预测困难等问题,提出了一种新的滑坡位移预测方法。基于时间序列分解思想,采用粒子群算法(PSO)对变分模态分解(VMD)进行参数寻优,并将位移时间序列分解为趋势项、周期项和随机项。趋势项主要受滑坡内部因素影响,采用傅里叶曲线进行拟合预测;周期项由外部因素导致,基于格兰杰因果检验进行成因分析,并引入一种对时间序列历史状态具有较高敏感性的非线性自回归神经网络(NARX)进行预测;随机项频率较高且影响因素无法判定,采用一维门控循环单元(GRU)进行预测。最后将各分量预测位移进行叠加重构,实现滑坡累计位移的预测。结果表明,提出的(PSO-VMD)-NARX-GRU滑坡位移动态预测模型精度较高,且各位移分量预测精度明显高于静态模型中BP神经网络、支持向量机(SVM)和传统自回归模型ARIMA,可为阶跃型滑坡位移预测提供参考。 展开更多
关键词 滑坡位移预测 粒子群算法 变分模态分解 格兰杰因果检验 非线性自回归神经网络 门控循环单元
下载PDF
考虑变形状态动态切换的阶跃型滑坡位移区间预测方法 被引量：13
15
作者 李麟玮 吴益平 +2 位作者 苗发盛 薛阳 张龙飞 《岩石力学与工程学报》 EI CAS CSCD 北大核心 2019年第11期2272-2287,共16页
为解决传统阶跃型滑坡位移预测模型研究中存在的突变状态预测结果滞后和结果可靠性不明确等典型问题,提出一种新型滑坡位移区间预测改进方法。首先,采用SOM网络和K均值聚类相结合的方法,将阶跃型滑坡的变形状态划分为变形稳定状态与变... 为解决传统阶跃型滑坡位移预测模型研究中存在的突变状态预测结果滞后和结果可靠性不明确等典型问题,提出一种新型滑坡位移区间预测改进方法。首先,采用SOM网络和K均值聚类相结合的方法,将阶跃型滑坡的变形状态划分为变形稳定状态与变形突变状态两类。然后,在综合运用工程地质类比法和自适应综合采样算法扩展突变状态样本的基础上,采用随机森林算法建立能够自动识别滑坡变形状态的集合分类器。最终,基于Bootstrap-KELM-BPNN模型,构建考虑滑坡变形状态动态转换的位移区间预测框架,实现滑坡位移的动态区间预测。以三峡库区内典型阶跃型滑坡--白水河滑坡为例,选取XD01监测点在2006年6月~2016年12月期间的数据进行研究,验证该方法的有效性、准确性和可靠性。 展开更多
关键词 边坡工程 滑坡位移 区间预测 变形状态划分 变形状态判识
原文传递
基于小波变换及外因响应的滑坡位移预测 被引量：13
16
作者 张凯翔 牛瑞卿 +1 位作者 胡友健 武雪玲 《中国矿业大学学报》 EI CAS CSCD 北大核心 2017年第4期924-931,共8页
分析了一种结合小波变换、粗糙集算法和支持向量回归机的滑坡位移预测方法.该方法依据白家包滑坡位移监测数据,利用小波变换将典型监测点的累计位移分解为趋势项位移和周期项位移,通过曲线拟合获得趋势项位移预测函数,使用粗糙集算法筛... 分析了一种结合小波变换、粗糙集算法和支持向量回归机的滑坡位移预测方法.该方法依据白家包滑坡位移监测数据,利用小波变换将典型监测点的累计位移分解为趋势项位移和周期项位移,通过曲线拟合获得趋势项位移预测函数,使用粗糙集算法筛选滑坡位移影响因子集,将挑选出来的因子集作为支持向量回归机的输入因子集,从而得到滑坡位移预测结果.应用结果显示:预测平均绝对误差及相对误差分别为3.56cm和5.5%,均方差为1.58cm,相关系数为0.97,表明该预测方法的预测结果能够很好地体现滑坡位移的发展变化趋势,具有较强的预测能力,是一种精确、有效、实用的滑坡位移预测方法. 展开更多
关键词 滑坡位移预测 小波变换 粗糙集算法 支持向量回归机
原文传递
基于时间序列和GRU的滑坡位移预测 被引量：12
17
作者 鄢好 陈骄锐 +1 位作者 李绍红 吴礼舟 《人民长江》 北大核心 2021年第1期102-107,133,共7页
近些年随着深度学习的兴起,长短时间记忆网络(LSTM)常应用于滑坡位移的预测。GRU(Gated Recurrent Unit)是LSTM的一种改良,为此提出了一种联合时间序列和GRU神经网络来预测滑坡位移的方法。采用移动平均法将滑坡总位移曲线分解为趋势项... 近些年随着深度学习的兴起,长短时间记忆网络(LSTM)常应用于滑坡位移的预测。GRU(Gated Recurrent Unit)是LSTM的一种改良,为此提出了一种联合时间序列和GRU神经网络来预测滑坡位移的方法。采用移动平均法将滑坡总位移曲线分解为趋势项位移和周期项位移,灰色Verhulst模型描述趋势项变化;考虑降雨和库水位等对滑坡位移的影响,应用Python语言搭建了一个3层GRU网络和全连接层(Dense)网络,以预测周期项变化,并用三峡库区八字门滑坡监测点ZG111位移监测数据对该方法进行了验证。结果表明:该方法相较于GRNN模型更能有效地利用历史信息,预测效果得到明显提高,可为滑坡预测提供重要的参考。 展开更多
关键词 滑坡位移预测 时间序列 灰色VERHULST模型 Gated Recurrent Unit 八字门滑坡
下载PDF
基于最优分解模态和GRU模型的库岸滑坡位移预测研究 被引量：8
18
作者 罗袆沅 蒋亚楠 +1 位作者 许强 唐斌 《武汉大学学报（信息科学版）》 EI CAS CSCD 北大核心 2023年第5期702-709,共8页
在滑坡位移综合预测研究中,常因滑坡随机位移分量无法准确提取、最优训练数据集及时效性无法确定等,造成多源监测数据利用不充分、位移预测结果不稳定。鉴于此,引入变分模态分解,在滑坡位移时序分析的基础上,结合门控循环单元递归神经网... 在滑坡位移综合预测研究中,常因滑坡随机位移分量无法准确提取、最优训练数据集及时效性无法确定等,造成多源监测数据利用不充分、位移预测结果不稳定。鉴于此,引入变分模态分解,在滑坡位移时序分析的基础上,结合门控循环单元递归神经网络,提出一种新型滑坡位移综合预测模型。以三峡库区白水河滑坡为例,选取2003-07—2012-12的位移监测数据和同时期库水位及降雨数据进行分析研究,综合模型预测结果的均方根误差为9.715 mm,判定系数为0.967。对比实验分析表明,该模型在保证高预测精度的同时,在有效预测时长和时效性上同样优势明显,在库岸滑坡位移预测研究中具有很强的应用和推广价值。 展开更多
关键词 滑坡位移预测 灰狼优化 变分模态分解 门控循环单元
原文传递
基于多头自注意力机制的LSTM-MH-SA滑坡位移预测模型研究 被引量：11
19
作者 张振坤 张冬梅 +1 位作者 李江 吴益平 《岩土力学》 EI CAS CSCD 北大核心 2022年第S02期477-486,507,共11页
受自身地质条件及外界周期、随机等因素影响,滑坡演变过程具有典型跃变特征。传统基于门控机制的深度学习模型对阶跃型滑坡预测能力不足,多头自注意力通过关注不同尺度时序数据的隐含信息能自适应挖掘序列的变化程度特征,有效学习数据... 受自身地质条件及外界周期、随机等因素影响,滑坡演变过程具有典型跃变特征。传统基于门控机制的深度学习模型对阶跃型滑坡预测能力不足,多头自注意力通过关注不同尺度时序数据的隐含信息能自适应挖掘序列的变化程度特征,有效学习数据潜在变化趋势,提升序列的预测能力。研究基于变分模态分解技术将滑坡累积位移量分解成趋势项、周期项和随机项,对各位移分量和影响因子开展动态时间规整相关性分析。结合多头自注意力机制和长短时记忆网络模型对各位移分量进行动态预测,各位移分量预测值相加得到实际预测结果。以三峡库区白水河滑坡作为研究区,对监测点ZG118开展累积位移预测,采用监测点ZG93、XD01进行模型适应性验证,试验结果表明对于降雨、库水位变化导致的阶跃数据段,新模型能大大提升预测的精度,为三峡库区滑坡位移预测研究提供新的思路。 展开更多
关键词 滑坡位移预测 变分模态分解 动态时间规整 多头自注意力机制 长短时记忆网络
下载PDF
Boosting集成支持向量回归机的滑坡位移预测 被引量：9
20
作者 董辉 傅鹤林 +1 位作者 冷伍明 龙万学 《湖南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2007年第9期6-10,共5页
支持向量回归机(SVR)在实际的学习应用中,由于数据时空的复杂性和算法本身的参数选择,学习模型难以达到预期的效果.针对这个问题,提出了基于Boosting集成的支持向量回归机方法.通过在原始数据集加权采样的基础上,进行多次迭代子SVR机器... 支持向量回归机(SVR)在实际的学习应用中,由于数据时空的复杂性和算法本身的参数选择,学习模型难以达到预期的效果.针对这个问题,提出了基于Boosting集成的支持向量回归机方法.通过在原始数据集加权采样的基础上,进行多次迭代子SVR机器学习,不断调整样本权值再采样,优化机器学习模型,然后对迭代所得的每级支持向量回归结果按某种组合方法进行集成,得到最终的回归函数形式.应用该方法进行了仿真试验和滑坡变形时序预测研究.结果表明:使用集成的SVR进行回归预测较之单一的SVR具有更高的准确性和更好的泛化性.对Boosting与Bagging 2种不同的集成SVR,进行了比较研究,试验结果表明,2种算法性能相差不大,总体上前者强于后者. 展开更多
关键词 支持向量机 Boosting集成 BAGGING 滑坡位移 预测
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 4 下一页 到第 页
使用帮助 返回顶部