滑坡体监测数据的改进变维分形-人工神经网络耦合预测模型

摘要：

滑坡体变形预测对滑坡灾害治理具有重要的意义.根据边坡的演化特性,在研究得到滑坡是一个非线性动态系统,其监测数据具有分形特征的基础上,利用改进变维分形预测模型对滑坡体的监测数据时间序列趋势项进行预测,并引入人工神经网络对时间序列的偏离项进行纠偏优化,从而建立滑坡体监测数据的改进变维分形-人工神经网络( IVDF-ANN)耦合模型,并以茅坪滑坡体的实测位移为例进行预测.预测结果证明,该模型充分利用分形理论的自相似性和人工神经网络的自学习能力,具有良好的抗噪性,对小数据量的监测数据能够达到较高的预测精度和较好的预测长度,为滑坡体安全监控预测提供了新的参考方法.

关键词：骨坡、监测、变形预测、分形理论、人工神经网络

所属期刊栏目：29

分类号：P642.22(水文地质学与工程地质学)

资助基金：浙江省水利厅专项科研项目RC1028;浙江省教育厅科研项目Y200909467;浙江水利水电专科学校基金项目xky-201005

在线出版日期：2012-06-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：29-34