基于时序分析及CNN-BiLSTM-AM的阶跃型滑坡位移预测

摘要：

传统基于递归神经网络的模型对阶跃型滑坡位移预测能力不足,为解决这一问题,提出一种基于时序分析及卷积神经网络-双向长短期记忆-注意力机制(CNN-BiLSTM-AM)的滑坡位移动态预测模型.首先使用变分模态分解方法(VMD)将序列分解为趋势项、周期项和随机项.采用二次指数平滑法拟合趋势项位移,然后引入最大互信息系数法(MIC)计算各类影响因子与周期项位移相关性,对于周期项和随机项位移采用CNN-BiLSTM-AM混合模型进行多因素和单因素预测,最终累加各分量预测值得到累积位移预测结果.实验结果表明,所提方法在最终累计位移预测结果中拟合系数R2 达0.984和0.987,平均绝对误差(MAE)分别为5.334和3.947,均方根误差(RMSE)分别为6.196和4.941,相比卷积神经网络-长短期记忆(CNN-LSTM)、麻雀搜索算法-核极限学习机(SSA-KELM)和NARX方法,所提方法能够更好的捕捉监测数据的时间相关性,预测精度显著提高,可为阶跃型滑坡预警及防治工作提供参考.

关键词：阶跃型滑坡、变分模态分解、注意力机制、卷积神经网络、双向长短时记忆

所属期刊栏目：43

分类号：P642.22(水文地质学与工程地质学)

资助基金：甘肃省教育科技创新项目;甘肃省军民融合专项;甘肃省重点研发计划项目

在线出版日期：2024-02-27（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：126-134