基于时间序列分解和多变量混沌模型的滑坡阶跃式位移预测
  • 【摘要】

    三峡库区某些库岸滑坡在强降雨、库水位涨落等诱发因素影响下,其位移时间序列表现出阶跃式变化特征且可能存在混沌特性.但目前常用于滑坡位移预测的混沌模型,均建立在单变量混沌理论的基础之上.且已有的考虑了诱发因素的常规多变量模型,大都采用经验性的方法来选取输入变量;常规多变量模型对滑坡位移序列的非线性特征,及其与诱发因素间的动态响应关系缺乏数学理论上的深入分析.因此,提出一种基于指数平滑法、多变量混沌模型... 展开>>三峡库区某些库岸滑坡在强降雨、库水位涨落等诱发因素影响下,其位移时间序列表现出阶跃式变化特征且可能存在混沌特性.但目前常用于滑坡位移预测的混沌模型,均建立在单变量混沌理论的基础之上.且已有的考虑了诱发因素的常规多变量模型,大都采用经验性的方法来选取输入变量;常规多变量模型对滑坡位移序列的非线性特征,及其与诱发因素间的动态响应关系缺乏数学理论上的深入分析.因此,提出一种基于指数平滑法、多变量混沌模型和极限学习机(extreme learing ma-chine,ELM)的滑坡位移组合预测模型.指数平滑多变量混沌 ELM模型首先对滑坡累积位移序列的混沌特性进行识别;然后用指数平滑法对累积位移进行预测,得到趋势项位移,并用累积位移减去趋势项位移得到剩余的波动项位移;之后对波动项位移及降雨量、库水位变化量这3个因子进行多变量相空间重构,并用 ELM模型对多变量重构后的波动项位移进行预测;最后将预测得到的趋势项和波动项位移值相加,得到最终的累积位移预测值.以三峡库区白水河滑坡 ZG93监测点的累积位移作为实例进行分析,并将模型与指数平滑多变量混沌粒子群―支持向量机(PSO-SVM)模型、指数平滑单变量混沌ELM模型作对比.结果表明滑坡位移序列存在混沌特性,模型能有效预测滑坡位移,其预测效果优于对比模型.且本文模型从混沌理论的角度将波动项位移与降雨量、库水位变化量的动态响应关系进行综合分析,更能反映滑坡位移系统演化的物理本质. 收起<<

  • 【作者】

    黄发明  殷坤龙  杨背背  李喜  刘磊  付小林  刘小文 

  • 【作者单位】

    南昌大学建筑工程学院/中国地质大学地质调查研究院/中国地质环境监测院/南昌大学建筑工程学院

  • 【刊期】

    地球科学-中国地质大学学报 ISTIC EI PKU 2018年3期

  • 【关键词】

    库岸滑坡  阶跃式位移预测  混沌分析  多变量相空间重构  指数平滑法  极限学习机  reservoir landslide  step-like displacement prediction  chaos theory  multivariate phase space reconstruction  expo-nential smoothing method  extreme learning machine 

  • 【基金项目】

    国家自然科学基金项目 江西省自然科学基金项目