基于VMD-GRA-KELM的滑坡位移预测耦合模型研究

摘要：

为实现对滑坡变形的预测,基于变分模态分解(Variational Modal Decomposition,简称VMD)、灰色关联度分析(Grey Relation Analysis,简称GRA)以及核极限学习机(Kernel Extreme Learning Machine,简称KELM)方法,提出了一种VMD-GRA-KELM的滑坡位移变形预测方法.首先,结合四川茂县岷江电化厂区西侧滑坡治理工程滑坡位移监测数据,利用VMD方法将位移监测数据自适应地分解为多个子位移;其次,采用GRA对各子位移进行关联度分析,剔除冗杂因子,保留关联度较高的子位移;然后,运用KELM分别对高相关度子位移建立预测模型得到预测值;再对所有子位移预测值叠加重构,得到最终预测结果;最后,通过与KELM、VMD-KELM对比,提出了一种新的滑坡位移预测方法.结果表明:该方法能够有效地对滑坡位移进行预测,且预测精度优于其余几种预测模型,即VMD-GRA-KELM是一种有效的滑坡位移预测方法.

关键词：变分模态分解、灰色关联度分析、核极限学习机、滑坡位移预测

所属期刊栏目：57

分类号：P642.22(水文地质学与工程地质学)

在线出版日期：2022-04-24（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：17-22