10.16232/j.cnki.1001-4179.2021.01.017
基于时间序列和GRU的滑坡位移预测
近些年随着深度学习的兴起,长短时间记忆网络(LSTM)常应用于滑坡位移的预测.GRU(Gated Recur-rent Unit)是LSTM的一种改良,为此提出了一种联合时间序列和GRU神经网络来预测滑坡位移的方法.采用移动平均法将滑坡总位移曲线分解为趋势项位移和周期项位移,灰色Verhulst模型描述趋势项变化;考虑降雨和库水位等对滑坡位移的影响,应用Python语言搭建了一个3层GRU网络和全连接层(Dense)网络,以预测周期项变化,并用三峡库区八字门滑坡监测点ZG111位移监测数据对该方法进行了验证.结果表明:该方法相较于GRNN模型更能有效地利用历史信息,预测效果得到明显提高,可为滑坡预测提供重要的参考.
滑坡位移预测、时间序列、灰色Verhulst模型、Gated Recurrent Unit、八字门滑坡
52
P642.22(水文地质学与工程地质学)
国家重点研发计划项目;国家自然科学基金面上项目
2021-03-02(万方平台首次上网日期,不代表论文的发表时间)
共7页
102-107,133