大华滑坡位移预测模型研究

摘要：

针对传统滑坡位移预测过程中的不足,提出了一种基于最小二乘支持向量机(LSSVM)的滑坡位移预测方法.以某流域大华滑坡为例,基于时序分析和集合经验模态分解法(EEMD)将原始序列重构为趋势项和波动项,趋势项位移受滑坡内部因素影响,采用最小二乘法与多项式方程进行拟合预测;波动项位移受库水位、降雨、地下水位等周期性因素影响,结合灰色关联度法和核主成分分析法(KPCA)对输入因子进行筛选与降维,并用粒子群算法-最小二乘支持向量机耦合模型(PSO-LSSVM)进行建模预测.最后将趋势项与周期项预测位移相加得到累计预测位移,并对模型预测精度进行定量分析.结果表明,建立的EEMD-KPCA-PSO-LSSVM组合模型预测效果良好,较传统BP神经网络、LSSVM等单一模型有着更高的预测精度,可为同类型滑坡位移预测提供新的思路.

关键词：水动力型滑坡、位移预测、集合经验模态分解、核主成分分析、最小二乘支持向量机

所属期刊栏目：39

分类号：P642(水文地质学与工程地质学)

资助基金：国家重点研发计划;江苏省六大人才高峰项目;江苏高校青蓝工程项目

在线出版日期：2022-10-09（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：56-64