基于变形速率分解的阶跃型滑坡预测——以呷爬滑坡为例

摘要：

阶跃型滑坡位移预测是滑坡变形现状研究与危害评估的重要工作,而阶跃预测的研究多为平稳波动信号,基于滑坡阶跃运动特征的变形速率分解方法提供了非线性变形阶段阶跃滑坡信号分解的新思路.以呷爬滑坡为例,通过差分与离散小波变换(DWT)平滑方法得到变形速率数据,并基于滑坡阶跃运动特征将变形速率数据分解为由外部诱发因素决定的小尺度波动项与内在控制因素决定的大尺度趋势项,其中变形速率趋势项信号通过添加震荡函数的反Logistic函数模型(ILF)预测,并结合曲率极值法判识滑坡变形状态;变形速率波动项信号则运用长短时记忆神经网络(long short-term memory,LSTM)构建非线性映射模型,以降雨、库水位作为诱发输入,趋势项预测结果作为控制输入进行预测.预测结果表明,基于变形速率分解模型针对呷爬滑坡非线性过程数据的预测精度相比传统的位移拟合分解模型更高,外部因素映射能力更强,因此基于变形速率分解是基于阶跃运动机制预测的有效思路,解决了非线性变形阶段的阶跃滑坡预测问题.

关键词：边坡工程、阶跃型滑坡预测、变形速率分解、反Logistic函数模型、长短时记忆神经网络、呷爬滑坡

所属期刊栏目：42

分类号：P642(水文地质学与工程地质学)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2023-04-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：685-697