10.19645/j.issn2095-0144.2022.02.008
基于卷积神经网络的水库滑坡位移预测研究
传统的水库滑坡位移预测模型对诱发因素之间的特征考虑不足.鉴于此,提出了一种基于卷积神经网络(CNN)与传统机器学习算法.该方法首先利用集合经验模态分解算法(EEMD)将滑坡累积位移分解为趋势项位移和周期项位移,然后通过高斯函数拟合趋势项位移并基于滑坡变形特征确定影响滑坡周期项位移的诱发因素;最后,结合卷积神经网络与机器学习算法,对周期项位移进行预测.以三峡库区白家包滑坡2007年5月至2017年8月多场次监测数据进行研究,并将预测结果与传统的RF模型和BPNN模型的预测结果进行对比分析.结果表明:CNN-RF模型和CNN-BPNN模型具有较高的预测性能,并且预测偏差显著低于传统的BPNN模型和RF算法.
水库滑坡、位移预测、卷积神经网络、随机森林
58
P642.22(水文地质学与工程地质学)
2022-05-25(万方平台首次上网日期,不代表论文的发表时间)
共5页
35-38,64