基于CEEMDAN-BA-SVR-Adaboost模型的白水河滑坡位移预测

摘要：

为提高白水河滑坡位移预测精度,提出一种新的预测模型,即基于自适应噪声完全集合经验模态分解(CEEMDAN)-蝙蝠算法(BA)-支持向量回归机(SVR)-自适应提升算法(Adaboost)的模型.以该滑坡为研究对象,利用CEEMDAN将滑坡位移分解为趋势项以及由IMF分项构成的波动项.首先采用BP神经网络对趋势项位移进行预测,随后利用CEEMDAN-BA-SVR-Adaboost模型对波动项进行预测,并将预测结果与CEEMDAN-PSO-SVR-Ada-boost、CEEMDAN-BA-BP-Adaboost、CEEMADAN-BA-SVR、BA-SVR-Adaboost模型预测结果进行对比分析,验证本模型在位移预测方面的优越性.此外,利用CEEMDAN-BA-SVR-Adaboost模型对ZG118波动项位移进行预测,同时计算ZG93监测点最终累计预测位移.结果 表明,对白水河滑坡位移进行预测时,CEEMDAN-BA-SVR-Adaboost模型具有较高的准确性和适用性.

关键词：白水河滑坡、位移预测、自适应噪声完全集合经验模态分解(CEEMDAN)、蝙蝠算法(BA)、支持向量回归机(SVR)、集成学习

所属期刊栏目：38

分类号：P642.22(水文地质学与工程地质学)

资助基金：国家自然科学基金;国家自然科学基金;成都理工大学青年骨干计划

在线出版日期：2021-06-21（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：52-59,66