-
题名基于累积位移特征与时间序列组合模型的滑坡位移预测
被引量：1
- 1
-
-
作者
汪标
易庆林
邓茂林
童权
刘开心
-
机构
湖北省地质灾害防治工程技术研究中心(三峡大学)
三峡大学土木与建筑学院
-
出处
《工程地质学报》
CSCD
北大核心
2024年第5期1629-1639,共11页
-
基金
国家自然科学基金项目(资助号:42172303)。
-
文摘
分析滑坡累积位移演化特征对位移预测具有重要的意义,根据不同增长趋势的位移曲线构造合适的模型来预测位移,将有效提高预测结果的准确度。本文分析三峡库区阶跃型滑坡累积位移变化趋势,将其位移曲线划分为4类特征:等幅-阶跃型、减幅-阶跃型、增幅-阶跃型、复合型,并建立时间序列组合预测模型。以八字门滑坡监测点ZG111及白家包滑坡监测点ZG326为例,依据时间序列原理,采用变分模态分解法(VMD)将累积位移分解为趋势性位移、周期性位移、随机性位移;利用一元线性回归、幂函数非线性回归方法对趋势性位移进行建模分析,预测结果采用加权改进后的最小二乘法(WLS);用麻雀搜索算法(SSA)优化BP神经网络模型,并结合滚动预测的思想,预测周期性位移、随机性位移。最终得到的各位移预测值之和即累积位移预测结果,结果表明:趋势性位移预测MAPE分别为1.2%、0.77%;周期性位移、随机性位移拟合效果较好,预测结果能较好的符合位移整体变化趋势;累积位移预测MAPE在2%以内,预测结果与实际值具有良好的一致性。本文提出的预测模型满足预测精度的要求,能完成滑坡将来位移量的预测,具有较强的工程实用价值,为滑坡灾害预测和防治方面的研究工作提供指导。
-
关键词
累积位移特征
时间序列
加权最小二乘法
麻雀搜索算法
BP神经网络
-
Keywords
Cumulative displacement characteristics
Time series
Weighted least square method
Sparrow search algorithm
BP neural network
-
分类号
P642.22
[天文地球—工程地质学]
-
