滑坡位移EEMD-SVR预测模型

摘要：

滑坡位移预测是滑坡灾害实时监测预警的重要组成部分,良好的滑坡位移预测模型有助于预测地质灾害发生.滑坡变形受多种外界因素影响呈现出随机性和非线性的特点,在现有的滑坡位移预测方法中,机器学习方法在滑坡位移预测中得到了广泛的应用.针对滑坡位移预测是趋势项位移和周期项叠加的特点,本文研究采用基于集成经验模态分解(EEMD)的滑坡趋势项和周期项位移提取方法,结合支持向量回归(SVR)模型实现对滑坡的位移预测.首先,详细介绍了该模型的构建过程和预测性能,并以均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和决定系数(R2)作为评估模型的预测性能指标.然后,分别利用EEMD-SVR、SVR、Elman模型对贵州省岩溶山区的一处滑坡进行位移预测,结果表明,EEMD-SVR模型连续1 d预测的RMSE值、MAPE值和R2值分别为0.648 mm、0.518％ 和0.9968,可以提供更高可靠的滑坡位移预测精度,对同类滑坡的位移预测具有一定的参考价值.

关键词：滑坡位移预测、时间序列、机器学习、集成经验模态分解、支持向量回归

所属期刊栏目：51

分类号：P232(摄影测量学与测绘遥感)

资助基金：中国地质调查局地质调查;中国地质调查局地质调查

在线出版日期：2022-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2196-2204