【摘要】：為實(shí)現(xiàn)滑坡變形的高精度預(yù)測,進(jìn)而達(dá)到滑坡穩(wěn)定性判斷的目的,首先采用BP神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)及GM(1,1)模型對滑坡變形進(jìn)行傳統(tǒng)的單項(xiàng)預(yù)測,且為提高單項(xiàng)預(yù)測精度,再采用遺傳算法、粒子群算法及半?yún)?shù)法對各單項(xiàng)預(yù)測模型進(jìn)行優(yōu)化;其次基于多種組合指標(biāo),采用累加法和累乘法確定綜合組合權(quán)值,實(shí)現(xiàn)對滑坡變形的組合優(yōu)化預(yù)測。結(jié)果表明:組合預(yù)測結(jié)果的精度及穩(wěn)定性均高于單項(xiàng)預(yù)測,而在綜合權(quán)值的確定過程中,累乘法要優(yōu)于累加法,且最優(yōu)組合預(yù)測結(jié)果的相對誤差平均值和標(biāo)準(zhǔn)差分別為0.81%和0.62%,具有較高的預(yù)測精度及穩(wěn)定性,驗(yàn)證了預(yù)測思路對滑坡變形預(yù)測具有較好的適用性和有效性。
[Abstract]:In order to achieve high precision prediction of landslide deformation and to achieve the purpose of landslide stability judgment, BP neural network, support vector machine and GM (1K1) model are used to predict landslide deformation. Then genetic algorithm, particle swarm optimization algorithm and semi-parameter method are used to optimize the single prediction model. Secondly, based on a variety of combined indexes, the combined weight value is determined by accumulative method and cumulative multiplication, and the combined optimization prediction of landslide deformation is realized. The results show that the accuracy and stability of the combined prediction results are higher than that of the single prediction, but in the process of determining the comprehensive weight value, the cumulative multiplication is better than the accumulative method. The average relative error and standard deviation of the optimal combination prediction results are 0.81% and 0.622respectively, which have higher prediction accuracy and stability. The results show that the prediction method has good applicability and validity for landslide deformation prediction.
【作者單位】： 青海省水文地質(zhì)及地?zé)岬刭|(zhì)重點(diǎn)實(shí)驗(yàn)室;青海省水文地質(zhì)工程地質(zhì)環(huán)境地質(zhì)調(diào)查院;
【分類號】：P642.22

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃巖,張國春,王其藩,朱道立;一種新的計(jì)算組合預(yù)測權(quán)重的方法[J];管理工程學(xué)報(bào);2001年02期

2 王郁;;組合預(yù)測何以興起[J];預(yù)測;1989年04期

3 謝素卿;曾珍香;;組合預(yù)測結(jié)果的優(yōu)化[J];河北工學(xué)院學(xué)報(bào);1989年01期

4 趙云升;害蟲種群動態(tài)的組合預(yù)測[J];昆蟲知識;1991年03期

5 C.W.J.Granger;趙文奇;;二十年來的組合預(yù)測[J];預(yù)測;1991年03期

6 唐小我;;最優(yōu)組合預(yù)測的計(jì)算方法[J];管理現(xiàn)代化;1992年01期

7 馬永開,唐小我;多目標(biāo)組合預(yù)測優(yōu)化模型研究[J];統(tǒng)計(jì)研究;1997年04期

8 曾勇,唐小我,陳珂;組合預(yù)測冗余方法判定的一個(gè)補(bǔ)充規(guī)則[J];電子科技大學(xué)學(xué)報(bào);1998年02期

9 王碩,唐小我,周俊;組合預(yù)測軟科學(xué)方法研究[J];運(yùn)籌與管理;1999年01期

10 陳華友;組合預(yù)測權(quán)系數(shù)確定的一種合作對策方法[J];預(yù)測;2003年01期

相關(guān)會議論文 前9條

1 孫將平;葉志斌;季永青;;浙江省水路貨運(yùn)量最優(yōu)組合預(yù)測[A];第六屆長三角科技論壇航運(yùn)分論壇暨江蘇省航海學(xué)會2009年學(xué)術(shù)年會論文集[C];2009年

2 劉平;張莉;馬秀蘭;;烏魯木齊市農(nóng)、林、牧、漁業(yè)總產(chǎn)值的組合預(yù)測研究[A];Systems Engineering, Systems Science and Complexity Research--Proceeding of 11th Annual Conference of Systems Engineering Society of China[C];2000年

3 李國鋒;陳緒根;;山東省勞動力就業(yè)需求組合預(yù)測研究[A];21世紀(jì)數(shù)量經(jīng)濟(jì)學(xué)（第9卷）[C];2008年

4 田瑾;項(xiàng)靜恬;陳殿斌;;多種時(shí)間序列建模及組合預(yù)測的比較和改進(jìn)[A];中國現(xiàn)場統(tǒng)計(jì)研究會第九屆學(xué)術(shù)年會論文集[C];1999年

5 李存金;;簡單平均法下的最優(yōu)組合預(yù)測問題研究[A];管理科學(xué)與系統(tǒng)科學(xué)進(jìn)展——全國青年管理科學(xué)與系統(tǒng)科學(xué)論文集（第3卷）[C];1995年

6 劉茂余;于麗英;;一種組合預(yù)測新方法的研究[A];中國運(yùn)籌學(xué)會第九屆學(xué)術(shù)交流會論文集[C];2008年

7 樊英;張秋菊;;工業(yè)增加值預(yù)測系統(tǒng)的分析設(shè)計(jì)[A];中國企業(yè)運(yùn)籌學(xué)[C];2006年

8 吳登生;李建平;孫曉蕾;;考慮模型相關(guān)性的組合預(yù)測過程中單項(xiàng)模型篩選研究[A];中國系統(tǒng)工程學(xué)會第十八屆學(xué)術(shù)年會論文集——A02管理科學(xué)[C];2014年

9 吳文東;吳剛;魏一鳴;范英;;基于相關(guān)系數(shù)的鋼材需求量組合預(yù)測[A];第十屆中國管理科學(xué)學(xué)術(shù)年會論文集[C];2008年

相關(guān)博士學(xué)位論文 前6條

1 趙欣;小世界網(wǎng)絡(luò)理論及其在風(fēng)電功率短期預(yù)測中的應(yīng)用研究[D];北京交通大學(xué);2015年

2 劉啟浩;風(fēng)險(xiǎn)值組合預(yù)測的理論與實(shí)證[D];北京工業(yè)大學(xué);2009年

3 蔣傳進(jìn);基于模型遴選規(guī)則的自適應(yīng)組合預(yù)測研究[D];東華大學(xué);2014年

4 郭曉君;灰色自憶性組合預(yù)測拓展模型及應(yīng)用研究[D];南京航空航天大學(xué);2015年

5 譚泗橋;支持向量回歸機(jī)的改進(jìn)及其在植物保護(hù)中的應(yīng)用[D];湖南農(nóng)業(yè)大學(xué);2008年

6 王富強(qiáng);風(fēng)電場短期風(fēng)速預(yù)測及模擬的理論與方法研究[D];華北電力大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 馬艷玲;組合預(yù)測在醫(yī)藥流通企業(yè)銷售預(yù)測中的應(yīng)用研究[D];華南理工大學(xué);2015年

2 陳嵩;組合預(yù)測技術(shù)及其在功率預(yù)測中的應(yīng)用[D];華北電力大學(xué);2015年

3 郭二鳳;ATM現(xiàn)金流預(yù)測的研究[D];遼寧科技大學(xué);2015年

4 施艷春;基于非線性時(shí)間序列和神經(jīng)網(wǎng)絡(luò)的風(fēng)電功率短期預(yù)測[D];沈陽工業(yè)大學(xué);2016年

5 王克楠;基于關(guān)聯(lián)特性分析的鐵路事故數(shù)據(jù)挖掘及預(yù)測、預(yù)警方法研究[D];北京交通大學(xué);2016年

6 馬斌;基于人工智能的短期風(fēng)電功率組合預(yù)測研究[D];西南交通大學(xué);2016年

7 沈達(dá);我國通貨膨脹率的波動與組合預(yù)測研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2016年

8 楊冬強(qiáng);風(fēng)力發(fā)電短期功率預(yù)測研究[D];鄭州大學(xué);2016年

9 安秋嫻;貴州省中期用電需求組合預(yù)測[D];華北電力大學(xué)(北京);2016年

10 劉旭;基于大數(shù)據(jù)的風(fēng)功率預(yù)測模型優(yōu)化研究與實(shí)現(xiàn)[D];華北電力大學(xué);2016年

，

本文編號：2392186