基于时间序列与GWO-ELM模型的滑坡位移预测

摘要：

针对三峡库区的阶跃型滑坡位移特征,以白水河滑坡为例,提出一种基于时间序列和灰狼优化的极限学习机(GWO-ELM)位移预测模型.首先,根据滑坡的内在演化规律和外部影响因素,建立滑坡位移的时间序列模型,将监测位移分解为趋势性位移和周期性位移,并运用稳健加权最小二乘法的三次多项式对趋势性位移进行拟合,以此得到周期性位移.其次,对位移监测数据进行分析,选取周期性位移的影响因子,分别通过GWO-ELM、极限学习机(ELM)和灰狼优化的支持向量机(GWO-SVM)模型对周期性位移进行预测.研究结果表明:GWO-ELM预测模型具有良好的泛化能力,能有效减少人为误差,在预测精度上,明显优于ELM和GWO-SVM模型.基于时间序列与GWO-ELM位移预测模型具有较高的预测精度和泛化能力,是一种有效的滑坡位移预测方法.

关键词：滑坡位移预测、时间序列、GWO-ELM模型、趋势性位移、周期性位移

所属期刊栏目：50

分类号：P642.22(水文地质学与工程地质学)

资助基金：国家重点研发计划2017YFC1501301;国家自然科学基金资助项目41572278

在线出版日期：2019-04-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：619-626