基于最优分解模态和GRU模型的库岸滑坡位移预测研究
在滑坡位移综合预测研究中,常因滑坡随机位移分量无法准确提取、最优训练数据集及时效性无法确定等,造成多源监测数据利用不充分、位移预测结果不稳定.鉴于此,引入变分模态分解,在滑坡位移时序分析的基础上,结合门控循环单元递归神经网络,提出一种新型滑坡位移综合预测模型.以三峡库区白水河滑坡为例,选取2003-07-2012-12的位移监测数据和同时期库水位及降雨数据进行分析研究,综合模型预测结果的均方根误差为9.715 mm,判定系数为0.967.对比实验分析表明,该模型在保证高预测精度的同时,在有效预测时长和时效性上同样优势明显,在库岸滑坡位移预测研究中具有很强的应用和推广价值.
滑坡位移预测、灰狼优化、变分模态分解、门控循环单元
48
TU196;P642(建筑基础科学)
国家重点研发计划;四川省科技厅重点研发项目;四川省科技厅重点研发项目;四川省教育厅重点研发项目;国家重点实验室开放基金
2023-06-13(万方平台首次上网日期,不代表论文的发表时间)
共8页
702-709