在周期性庫水位漲落和季節(jié)性強降雨等因素影響下,藕塘滑坡前緣地下水位時間序列呈現(xiàn)混沌特性。以藕塘滑坡前緣水文孔（MZK5）地下水位序列為研究對象,進行混沌分析;并利用飽和關聯(lián)維數法和最大Lyapunov指數法,在水位序列相空間重構的基礎上對混沌特性驗證。為克服粒子群算法本身的不足和SVR模型參數選取困難的缺點,采用基于遺傳選擇策略的粒子群算法（GSSPSO）優(yōu)化選取SVR模型的參數,再用預測性能較為精準的回歸型支持向量機（SVR）模型對其進行預測。對MZK5水文孔地下水位進行了BP神經網絡模型預測和優(yōu)化后模型（GSSPSO-SVR）預測。結果表明:藕塘滑坡前緣地下水位序列具有混沌特征,GSSPSOSVR模型預測結果的均方根誤差為0.036 m,擬合優(yōu)度為0.803,說明GSSPSO-SVR模型預測效果較理想,且預測精度高于BP網絡模型,具有較強的實用性。 

【文章來源】：人民長江. 2020,51(S1)北大核心

【文章頁數】：5 頁

【部分圖文】：

藕塘滑坡地下水位監(jiān)測點布置

MZK5水文孔地下水位監(jiān)測值

非線性預測研究發(fā)現(xiàn)，當τ取值愈大時，非線性模型需擬合的關系就會愈加復雜，因此τ應視情況取較小值，此處取值為1。嵌入維數采用應用廣泛的假鄰近點法求取。計算結果如圖3所示，當嵌入維取4時，地下水位時間序列的假鄰近率小于5%，因此最佳嵌入維值選取4。由時間延遲為1，嵌入維為4，可重構地下水位序列相空間。如下所示：

【參考文獻】：
期刊論文
[1]庫岸滑坡地下水位時間序列混沌特征識別與PSO-LSSVM模型預測[J]. 黃發(fā)明,殷坤龍,何濤,孟頌頌.  地質科技情報. 2015(06)
[2]月徑流序列的混沌特征識別及Volterra自適應預測法的應用[J]. 李紅霞,許士國,范垂仁.  水利學報. 2007(06)
[3]月降雨量時間序列中的混沌現(xiàn)象[J]. 袁鵬,李謂新,王文圣,丁晶.  四川大學學報(工程科學版). 2002(01)



本文編號：3456687