基于经验模态分解和LSTM模型的滑坡位移预测

摘要：

建立高精度的位移预测模型对滑坡的提前预报具有重要意义,然而以往的研究多是选用静态预测模型,无法满足滑坡的动态特性.鉴于此,以三峡库区新滩滑坡为例,选用了近期较为流行的长短时记忆网络(LSTM)模型来对滑坡滑动前的累积位移进行动态预测.首先选用经验模态分解法(EMD)将滑坡累积位移分解成趋势项和周期项,然后利用多项式函数预测趋势项位移;再利用动态LSTM模型预测周期项位移;最后将各分量位移累加得到最终的模型计算值.结果 表明:LSTM模型预测结果的均方根误差为17.07 mm,相关性系数达0.999,具有较高的预测精度,为“阶梯状”滑坡位移的预测提供了一种可行的思路.

关键词：滑坡位移预测、时间序列、经验模态分解、长短时记忆网络、新滩滑坡、三峡库区

所属期刊栏目：51

分类号：P642(水文地质学与工程地质学)

资助基金：吉林省教育厅“十三五”科学技术项目“施工企业基于BIM的工程信息管理应用研究”JJKH20170156KJ

在线出版日期：2020-07-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：144-148